Модель выбор и коррекция

Методы теории распознавания образов особенно интересны для предсказания новых структур психоактивных соединений, поскольку они позволяют отобрать для прогноза наиболее информативные признаки описания предусматривают применение более гибкого математического аппарата (так как при выборе решающего правила можно учесть структуру множеств классов в пространстве описания) не накладывают на априорную информацию таких жестких условий, как в регрессионном анализе н, более того, по мере накопления информации осуществляется автоматическая коррекция построенных моделей. [c.28]

После выбора типовой модели (или комбинации нескольких) для описания исследуемого процесса (условно разделенного на ряд звеньев) и принятия системы допущений для упрощения и обоснования принятой структурной схемы, а также для решения системы составленных дифференциальных уравнений, берется определенный (обычно Алгол—60) алгоритм, пользуясь которым и составляют программу для ЭВМ. В соответствии с этой программой машина последовательно выполняет операции, дающие информацию о ходе процесса и конечных его результатах. Следующий этап моделирования с помощью аналоговой или цифровой (см. стр. 18) вычислительной машины состоит в проверке адекватности выбранной модели исследуемому процессу или аппарату и ее коррекции. [c.41]

При создании автоматизированной системы управления абсорбционными установками должны быть решены следующие задачи а) выбор и создание локальных систем автоматического контроля и регулирования технологических параметров б) построение системы автоматического сбора и переработки первичной информации о состоянии процесса при помощи ЭВМ в) выбор и коррекция моделей для получения модели, адекватной реальному процессу г) поиск на ЭВМ оптимальных значений параметров, которые в виде заданий могут передаваться локальным системам автоматического регулирования, т. е. создание системы автоматического управления процессом на базе управляющей ЭВМ. [c.220]

Исследование при помощи ЭВМ и оперативной информации, поступающей с работающей установки, моделей процесса абсорбции и критерия коррекции для выбора модели, наиболее адекватно описывающей процесс. [c.223]

В связи с отмеченной в 1 спецификой обратных задач, решение их в рамках рассматриваемых методов представляет собой сложный многоэтапный процесс, в котором опыт исследователя и его интуитивные оценки играют более важную роль, нежели собственно формально-математический метод. В качестве составных элементов (этапов) этого процесса нами будут выделяться 1) исходный геологический анализ и подбор исходной информации 2) выбор расчетной модели 3) выбор масштаба рассмотрения и фрагментация потока 4) предварительная оценка качества модели (исходных данных) 5) определение весовых коэффициентов коррекции 6) предварительная коррекция модели 7) выбор калибрационных критериев и математического метода калибрации 8) обоснование весовых коэффициентов калибрации 9) выбор кри- [c.280]

На уровне исследования химико-технол. схем элементами изучаемой системы служат аппараты (реакторы, абсорберы и др.), связанные потоками в-ва и энергии в единый комплекс. Главная задача-обнаружение коллективных эффектов, возникающих в химико-технол. системе и не проявляющихся при раздельном анализе ее элементов. К таким эффектам относится, напр., накопление в циркуляционных контурах микропримесей, отравляющих катализатор или вызывающих полимеризацию полупродуктов с осаждением в-в на конструктивных элементах аппаратов и др. Повышение чувствительности и применение наиб, универсальных аналит. приборов (иапр., хромато-масс-спек-трометров) позволяет обнаруживать в АСНИ коллективные эффекты в исследоват. стендах лаб. масштабов и существенно сокращать затраты ср-в и времени на стр-во эксперим. установок. Одновременно применение в АСНИ на уровне химико-технол. схем мат. моделей аппаратов, полученных в АСНИ др. уровней, дает возможиость сокращать время на опыты за счет изучения и выбора иа моделях оптимальных режимов и экспериментов до начала опытных работ и оперативной коррекции хода исследований. [c.27]

Идентификация моделей. При неудовлетворит. адекватности априорно построенной мат. модели решается задача ее идентификации, т. е. уточнения заданных приближенно значений параметров и, возможно, вида нек-рьк зависимостей, включенных в состав мат. описания. Методы идентификации -. ат. моделей отличаются большим разнообразием, и выбор самого подходящего из них в каждом конкретном случае существ, образом определяется объектом М., а также имеющимися в распоряжении исследователя ресурсами. При этом учитывают возможность постановки не реализуемых по разным причииам на самом объекте исследования спец. экспериментов на физ. моделях возможность использования для коррекции результатов опытов, полученных на объекте М. при проверке адекватности модели и т. п. Задача идентификации модели обычно сводится к задаче минимизации критерия адекватности объекту путем подбора подходящих значений уточняемых параметров и вида вызывающих сомнение зависимостей. При этом решение задачи минимизации принятого критерия адекватности, рассматриваемого как ф-ция парами ров мат. модели, как правило, представляет собой достаточно трудную вычислит, проблему. Последняя осложнена специфич. овражным [c.102]

Необходимая точность может быть достигнута рациональным выбором структуры модели. Если погрешность линейной модели превышает fo требуется коррекция ММ, причем выделим варианта. Вариант первый - "истинная" модель нелинейна (рис.1). Тогда применением кусочно-линейной аппроксимации (KIA) можно добиться снижения погрешности модели до величины, меньшей У max Вариант второй - аппроксимация статистики с достаточной степенью точности нл линейной, ни кусочно-лдинейной моделью не удается (рис.2). Очевидно, в этом случае в модель не включен какой-то фактор, который "размывает" описываемую область. [c.35]

После выбора типовой модели (или комбинации нескольких) для описания исследуемого процесса (условно разделенного на ряд звеньев) и принятия системы допущений для упрощения и обоснования принятой структурной схемы, а также для решения системы составленных дифференциальных уравнений, разрабатывается определенный моделирующий алгоритм, пользуясь которым и составляют программу для ЭB M. Если математическое описание процесса представляет собой сложную систему конечных и дифференциальных уравнений, то от возможности построения достаточно надежного моделирующего алгоритма зависит применимость математической модели. В соответствии с составленной программой машина последовательно выполняет опеоа-ции, дающие информацию о ходе процесса и конечных его результатах. Следующий этап моделирования с помощью аналоговой или цифровой вычислительной машины состоит в проверке адекватности выбранной модели исследуемому процессу или аппарату и ее коррекции. [c.42]

В работе 89] дано описание алгоритма проектного расчета многостадийных противоточных процессов. Метод основан на использовании понятия равновесной стадии, которой ставится в соответствие реальная ступень контакта фаз, причем конструкция контактного устройства подбирается таким образом, чтобы была обеспечена эффективность стадии, которая рассчитывается заранее. Указанный алгоритм не рассчитан на учет обратного перемешивания между стадиями, но позволяет рас-считыцать многокомпонентные системы с нелинейной равновесной зависимостью. В основу алгоритма положен метод Ньютона-Рафсона, использующий кусочно-линейную аппроксимацию нелинейных уравнений математической модели процесса, в которую входят ра вновесная зависимость, покомпонентный и общий материальные балансы на стадиях, суммирующие уравнения (сумма мольных долей всех компонентов на каждой стадии равна единице) и баланс энтальпий или энергетический баланс. Кусочно-линейная аппроксимация позволяет получить решение стандартным матричным методом в пределах интервала, в котором справедлива линеаризация. Данный алгоритм использован для решения задачи разделения смеси ацетона и этанола с помощью экстракции двум растворителями — хлороформом и водой В экстракционной колонне с 15 ступенями разделения. Расчет многокомпонентного равновесия проводился по трехчленному уравнению Маргулеса. Описанный алгоритм имеет двойной цикл итерации- внутренний итерационный цикл, который заключается в расчете профиля концентрации по обеим фазам при заданных расходах обоих растворителей, и внешний итерационный цикл, который заключается в выборе составов продуктов на выходе из колонны, удовлетворяющих регламенту, путем коррекции по расходам растворителей. Для достижения сходимости внутреннего итерационного цикла требуется от трех до семи итераций, тогда как для получения заданного состава продуктов требовалось 14 коррекций по расходам одного или обоих растворителей. [c.128]

Данная структура лаборатории и ее оборудование позволяют организовать цикл лабораторных работ а) исследование кинетических особенностей процесса и гидродинамических условий его проведения б) моделирование технологического процесса и исследование при помощи УВМ крит гриев коррекции для выбора модели, наиболее адекватно описывающей процесс в) исследование прн помощи УВМ критериев оптимизации для расчета оптимальных условий проведения процесса при работе УВМ в режиме советчик оператора , г) автоматическая оптимизация и управление технологическим процессом при работе УВМ в замкнутом контуре с автоматизированными технологическими установками. [c.222]

Уточнение модели возможно при помощи подбора или расчета ряда коэффициентов, содержащих модель, и физический смысл которых может не оговариваться. Корректируемыми коэффициентами могут быть физические константы, которые невозможно точно определить или измерить на технологической установке (например, поверхность контакта фаз, коэффициент массопередачи, коэффициент теплопередачи и т. п.). Для кал<дой из моделей, которые предположительно описывают процесс на технологической установке, необходимо произвести параметрический синтез, т. е. подбор коэффициентов коррекции с тем, чтобы критерий коррекции был минимальным для каждой модели. Далее производится структурный синтез, т. е. выбор модели, имеющей наименьщий критерий коррекции в заданном диапазоне из1менения режимов процесса. [c.235]

Справочник химика 21

Химия и химическая технология