Статистические модели процессов

Математическая модель неустановившегося потока дисперсной фазы в слое насадки [7]. Рассмотрим объем колонны достаточно больших размеров, равномерно заполненный беспорядочно уложенной насадкой, в котором происходит случайное неориентированное движение струй или капель (пузырей) дисперсной фазы. Струи (капли, пузыри) рассматриваются как однородные изолированные макроэлементы, не подверженные эффектам слияния (коалесценции) и разбиения (редиспергирования). При построении вероятностно-статистической модели процесса будем полагать, что случайный характер движения дисперсной фазы в насадке подчиняется закономерностям непрерывного марковского процесса. Это значит, что вероятность перехода элемента дисперсной фазы, находящегося в момент времени в точке насадочного пространства, в точку М, достаточно близкую к точке М , за время А4, отсчитываемое от момента 1 , не зависит от состояния системы до момента 1 . [c.351]

Статистическая модель процесса каталитического риформинга составлена для отечественных установок 35-11 [63, 64]. При переработке фракции 85—180 °С математическая зависимость выхода стабильного катализата и его октанового числа от параметров процесса представлена уравнениями [c.40]

Приведенное доказательство достаточно просто обобщается на случай несимметричной матрицы Wu , а также на случай макросистем, набор возможных состояний которых непрерывен (см., например, [28]). В целом класс макросистем, для которых может быть строго доказано свойство возрастания энтропии при их движении к равновесному состоянию, достаточно широк. Этот класс включает и некоторые макросистемы, изучаемые в рамках физикохимической механики основных процессов химической технологии. Например, подобное доказательство приведено- в работе [29], где излагается статистическая модель процессов переноса в псевдоожиженном слое. [c.73]

СТАТИСТИЧЕСКИЕ МОДЕЛИ ПРОЦЕССОВ [c.163]

По данному алгоритму получена статистическая модель процесса восстановления, которая имеет следующий вид [c.120]

В рассмотренной работе на базе экспериментальных данных, приведенных в табл. 76, кроме статистической модели процесса была получена математическая модель, основанная на кинетических закономерностях. Исследование физико-химической модели дало такой же оптимальный режим, как тот, который был получен, исходя из статистической модели. [c.152]

Нами рассмотрены на конкретных примерах методы построения экспериментально-статистических моделей процессов, а также некоторые методы оптимизации на основе этих моделей. [c.43]

СТАТИСТИЧЕСКИЕ МОДЕЛИ ПРОЦЕССА СУШКИ [c.191]

Имеется большой класс химических производств, где построить такую модель за приемлемое время не удается из-за его особой сложности или отсутствия теории. Статистическая модель процесса во многих случаях не удовлетворяет исследователей либо из-за того, что она хорошо работает лишь в узком интервале изменений переменных и ее часто приходится исправлять, либо потому, что такая модель просто не нужна, если процесс достаточно отработан. [c.98]

Создание новых химических технологий и совершенствование существующих связано с экспериментальными исследованиями. Объем исследовательских работ зависит от правильного выбора стратегии эксперимента, способа обработки экспериментальных данных и интерпретации полученных результатов. В ходе исследований строится статистическая модель процесса, которая устанавливает связь между влияющими факторами (параметрами воздействия) и функциями отклика (выходными параметрами), определяющими качество продукции и производительность производства. Вошедшее в середине XX столетия в практику исследований планирование эксперимента очень быстро стало необходимым инструментом в лаборатории и на производстве. Это подтверждают обширные перечни публикаций по вопросам теории и практики планирования эксперимента уже к 1970-м годам [2,35-37]. Для планируемого (активного) эксперимента в настоящее время используются планы первого порядка ПФЭ и ДФЭ (полный и дробный факторный эксперимент), планы второго порядка ОЦКП, РЦКП (ортогональное, ротота-бельное центральное композиционное планирование) и другие, для которых выполняется ряд дополнительных опытов в центре плана [6]. Разработано много планов второго порядка, удовлетворяющих различным специальным требованиям. Например, планирование эксперимента по схемам ортогональных латинских прямоугольников [9]. Алгоритмы обработки планированного эксперимента удобно представить, используя средства Ма1ЬСА0. Здесь приведен алгоритм полного плана первого порядка. [c.292]

Алгоритм метода Брандона использован при построении статистической модели процесса синтеза темплена (поли-4-метилпенте-на-1) в разделе 6.5.5. [c.298]

После построения статистической модели процесса в виде полинома первой степени было принято решение о проведении оптимизации геометрии насадки путем движения по градиенту методом крутого восхохедения, используя уравнение регрессии (45). При реализации этого плана было получено следующее уравнение регрессии для области оптимума [c.99]

Подучентае результаты могут быть использованы для составления статистической модели процесса ара внедрении ЛСУШ я преаде всего при разработке локальных систем автоматизации. [c.55]

Справочник химика 21

Химия и химическая технология