Модели прогностические

Коррозионный прогноз —это вероятностное суждение о коррозионной стойкости какого-либо объекта (аппарата, реактора, трубопровода) в определенный момент времени в будущем. Модель, применяемую для прогноза, принято называть прогностической моделью. Прогностические коррозионные модели могут определять как термодинамическую вероятность развития коррозии, так и кинетические характеристики процесса коррозии. [c.177]

Менделеевская модель системы долгие годы исправно служила ученым потому, что обладала прогностическими возможностями. Но постепенно нарастал ее кризис. Мысль уче-нь х тем временем устремлялась в познание более глубоких структур и закономерностей естественной системы химических элементов. Начались попытки построения других методов наглядной ее иллюстрации. Но было бы ошибочным думать, что такую необходимость осознавали все ученые. Наиболее консервативная их часть и до сих пор не видит нужды в поисках новых, более совершенных моделей Системы химических элементов. [c.147]

Сильная сторона детерминированных моделей - большая прогностическая точность, слабая сторона - трудность создания хорошей теории сложных процессов. [c.4]

Результаты прогностической оценки показали (модель М1), что активны все 11 соединений, хотя ранги активности разные и они достаточно хорошо разделяются. Наиболее активны шесть соединений (табл. 5). [c.20]

Общеизвестно, что модели для оперативного прогнозирования загрязнения воздуха, обладающие хорошей прогностической способностью, должны учитывать направление ветра. Обычно оно учитывается путем определения вклада в средний ветер составляющих направлений ветра. Таким образом, чтобы учесть направление ветра, нужно ввести в регрессионное соотношение как минимум четыре новых члена (по каждому из четырех направлений ветра), что почти всегда неудобно. В связи с этим рекомендуется разбивать одно уравнение на четыре подмодели, каждая из которых отвечает за свое направление ветра. Результат рассчитывается по тем уравнениям, которые учитывают нужные направления ветра (например, при юго-западном ветре — по моделям южного и западного ветров). Конечное значение концентрации определяется с учетом вклада каждого из направлений в средний ветер. [c.63]

Общей технологической задачей является прогнозирование поведения каучуков и резиновых смесей при их переработке на заводском оборудовании и разработка оптимальных производствен- ных режимов и их количественных регламентируемых параметров. Эту задачу решают, как правило, экспериментально по данным лабораторных испытаний, где только и возможен широкий поиск оптимальных режимов и рецептур. Другой путь решения задачи состоит в использовании соответствующих математических моделей и теорий переработки эластомеров, описывающих весьма сложные реологические свойства эластомеров и различные технологические процессы и позволяющих с приемлемой точностью рассчитать основные параметры режимов по свойствам материалов конструктивным характеристикам оборудования и задаваемым условиям переработки. Существующий экспериментальный подход,, хотя и дает конкретные сведения о технологических свойствах материала, страдает ограниченностью и имеет малую прогностическую мощность. При проведении такого рода опытов получают больщое число частных зависимостей, справедливых лишь для изученных случаев и лабораторных масштабов. Обобщение этих частных зависимостей можно получить с помощью теории подобия и моделирования [50, 52]. [c.42]

По детерминированности коррозия может описываться либо детерминированными прогностическими моделями (при этом случайными составляющими можно пренебречь), либо стохастическими моделями, в которых необходим учет случайной составляющей переменных с точностью, определенной для задач прогноза, и, наконец, смешанными моделями, составляющие которых имеют как детерминированный, так и стохастический характер. [c.179]

К другим возможным методам прогнозирования коррозии относятся статистические методы с применением корреляционного, регрессионного и факторного анализов, а также метод экспертных оценок. Коррозия как процесс может служить объектом прогнозирования, позволяющим широко применять все эти методы. Однако практика оценки вероятности коррозионного разрушения по прогностическим моделям еще не нашла широкого применения, в частности в химической технологии. Среди многих причин, объясняющих такое положение — недооценка реальности возможных коррозионных потерь и восприятие их как неизбежных. [c.186]

Периодическая корректировка особенно важна для прогностических моделей, ибо степень соответствия модели реальному процессу на момент начала прогноза непосредственно влияет на его точность. [c.106]

Модель, полученная описанными методами и используемая для прогноза, называется прогностической. Она должна удовлетворять следующим требованиям [c.106]

Современная недостаточность биологических данных является, по-видимому, главным лимитирующим фактором при разработке прогностических моделей регулирования качества воды водоемов. Проведение количественных исследований больших водных пространств связано с большими затратами средств и времени, в связи с чем лабораторные модели приобретают все большее значение [23]. [c.300]

Наличие фактических (эмпирических) и прогнозных значений экономических показателей деятельности ВПО дало возможность сформировать из них две матрицы, на основе которых с применением метода пошаговой множественной регрессии и метода главных компонент имеется в виду построить прогностические интерполяционные модели. [c.211]

Следует отметить, что развиваемые в механике гетерогенных сред теоретические подходы, физические и математические модели могут быть использованы, в силу отмеченной в предисловии специфики такого рода потоков, по-видимому, только в определенном, достаточно узком диапазоне концентраций и инерционностей частиц. Вследствие этого развитая классификация гетерогенных потоков имеет большое методологическое и прогностическое значение, позволяя определять те ячейки —классы потоков, для которых могут быть приемлемы имеющиеся на сегодняшний день подходы, и те, для которых такие подходы еще необходимо развивать. Это будет показано во второй главе. [c.34]

Очевидно, детальное изучение структуры периодической системы должно иметь целью получение новой информации о явлении периодичности, причем наиболее существенным оказывается вопрос о прогностических возможностях системы как модели явления периодичности. Эти возможности самым непосредственным образом связаны с тем содержанием, которое вкладывается в понятие модели в данном конкретном случае. [c.34]

Прогностические возможности как химической, так и формальной физической модели хорошо известны и неоднократно проявлялись в действительности, но только в тех случаях, когда имела место интерполяция (предсказание свойств неизвестных элементов внутри системы). Первые же попытки экстраполяции (например, оценка свойств трансуранов) в рамках указанных моделей оказались несостоятельными. Что же касается квантовомеханической модели, то она занимает особое положение, ибо на ее основе (с применением приближенных методов и быстродействующих ЭВМ) возможны предсказания электронных конфигураций атомов и важнейших свойств соответствующих элементов вплоть до очень больших значений Ъ. [c.35]

Естествознание во второй половине XX в. развивалось в двух направлениях. С одной стороны, все более углублялось понимание элементарных процессов путем редукционизма, проявившееся в области биологии в формировании молекулярной биологии и молекулярной генетики, но, с другой стороны, росло сознание необходимости интегративного подхода, поскольку игнорирование системных закономерностей прямо угрожает существованию как всего человечества в целом, так и отдельных государств и наций. Эмоциональной причиной этого широко обсуждаемого изменения в приоритетах, обозначаемого как смена парадигмы, стало всеобщее осознание ограниченности земного пространства, обусловленное развитием воздушного транспорта и возможностью наблюдения Земли из космоса. Рост в ограниченном пространстве ведет к исчерпанию ресурсов и гибели популяции подобно тому, как это происходит в культуре микроорганизмов. Особенно быстро исчерпание ресурсов происходит в связи с экспоненциальным ростом, который создает впечатление порогового перехода. На основе этих представлений были разработаны математические модели, претендовавшие на прогностическое значение и, во всяком случае, сумевшие определить порядок приоритетов. [c.5]

Способна ли данная модель осуществлять прогностические функции [c.192]

Разумеется, реальный объект, в том числе и поверхность оксидных носителей, всегда богаче теоретической модели набор активных центров на поверхности может быть более широким, чем это предусматривается существенное значение имеет биография образцов велика роль примесей, в том числе и неконтролируемых и т. д. Тем не менее, приведенный в [3] подход к оценке свойств оксидных поверхностей плодотворен и, что более важно, обладает прогностической силой. [c.30]

О Прогностических возможностях стохастических моделей миграции [c.555]

Думается, всего сказанного достаточно, чтобы, если не исключить вовсе, то хотя бы резко ограничить использование стохастических моделей для прогностических целей очевидно, лучшее, на что можно здесь рассчитывать, [c.559]

Веским доводом в пользу адекватности найденных А.И. Ивановым прогностических моделей является то, что первая модель А.И. Иванова, найденная им в 1972 году, полностью подтвердилась - все мы знаем, что Советский Союз распался. Вместо полной победы коммунизма мы получили полную алкоголизацию всей страны. И распад Советского Союза, и поголовная пивная алкоголизация была предсказана А.И. Ивановым еще в 1972 году. Согласно расчетам А.И. Иванова распад СССР должен был произойти в 1989 году. Ошибка составила меньше трех лет. Подробное описание модели изложено во Введении. [c.7]

Измеренная годовая нагрузка и ее оценка по формуле (3.6) давали очень хорошее согласие в большинстве случаев, хотя авторами отмечались и очень значительные расхождения этих величин. По-видимому, эти расхождения могут объясняться особыми условиями жидкого стока на отдельных водосборах, тех, для которых модель обладает низкой прогностической способностью. [c.44]

Попытка прогнозировать реальный процесс х(1) требует от нас составления прогноза для на)6людаемой функции у(0, по-скюльку о процессе х(1) ыы судим по результатам толученным при измерении,т.е. по функции у(1). Любой прогноз поведения у(1) должен опираться на гипотезы И модели. Поэтому необходимо ввести в рассмотрение модели (прогностический) процесс 2(1), по отношению к которому оценивают качество предсказания. Прогноз основьшается на каком-либо правиле, алгоритме. Они будут рассмотрены ниже. [c.75]

Дополнительно к названным Н. П. Агафошиным и Д. Н. Трифоновым проблемам можно привести еще ряд. Как отмечается в [15], до сих пор составляет предмет дискуссии проблема места водорода, инертных элементов, триад, лантаноидов и актиноидов . И этим еще не исчерпываются все проблемы системы. Например, не решены вопросы парности первого периода, нулевой и восьмой валентных групп, деления валентных групп на две подгруппы (главную и побочную), существования XI и далее валентных групп и др. По ходу дальнейшего рассмотрения изобразительно-структурных возможностей и прогностических способностей спиральной системы химических элементов мы их будем затрагивать. Наличие такого большого перечня проблем у табличной модели Системы химических элементов можно характеризовать как ее кризис. [c.168]

Развит нейросетевой подход к анализу связи структура-свойство , структура-условия-евойство и получены прогностические модели таких связей для ряда важных свойств органических соединений, предложены оригинальные подходы к интерпретации нейросетевых зависимостей. [c.42]

Модели фазового равновесия на основе четырех уравнений локальных составов получают во втором блоке. По экспериментальным или квазиэкснериментальньш (полученным по модели UNIFA ) данным выполняется точечное или интервальное (при наличии дисперсий измерений) оценивание параметров моделей. Здесь же проверяется, при наличии дополнительных экспериментальных данных, прогностическая способность параметров моделей. [c.76]

По критерию сложности процесс коррозии как объект прогностической модели относят к сверхпростым, простым или сложным объектам. Сложность при прогнозировании коррозии оценивается по характеру взаимосвязей и совместному влиянию значащих факторов, выделяемых для адекватного описания процесса. [c.178]

Стохастические модели прогнозируют (рис. 10.5) коррозию химико-технологической системы на основе совокупности статистических данных о процессе в условиях эксплуатации. Чем обширнее информация о характере влияния отдельных факторов и больше число аппаратов и коммуникаций химико-технологической системы учтено при анализе, тем точнее будут полученные результаты. Очевидна и сложность реализации схемы прогностического моделирования стохастических методов по сравнению с детерминированными методами. Трудности моделирования коррозионного прогноза стохастическим методом заключаются не только в получении обширной информации о влиянии внешних и внутренних параметров химико-технологической системы на скорость и итог коррозии, в анализе и обработке данных, но и в том, что практически невозможно проследить логическую причинную связь явлений, объективно существующую при коррозионном изменении состояния металла. Достоверность результатов прошоза стохастических объектов уменьшается из-за снижения точности прогноза с увеличением времени от предсказания до момента сравнения и корректировки коррозионного прогноза. В меньшей степени этот недостаток присущ регрессивным моделям, полученным с использованием методов планирования эксперимента. [c.185]

Одним из перспективных направлений оценки степени опасности ФАВ в системе биологаческого мониторинга в настоящее время следует считать расчетные методы, основанные на использовании количественной закономерности структура-биологаческая активность. Для оценки степени токсичности производных дибензо-п-диоксина, которые могут находиться в окружающей среде, предлагается созданная на основании имеющегося банка данных, состоящего из 12 соединений производных галоддированных дибензо-п-диоксинов, математическая модель, описывающая "структуру-активность . В качестве параметров регрессионного уравнения используются расчетные физико-химические показатели (относительная молекулярная масса, коэффициент рефракции). Была установлена удовлетворительная прогностическая значимость данного регрессионного уравнения в интервале ОММ от 320 до 470 дальтон. [c.27]

Вместе с тем, важно подчеркнуть неправомерность в общем случае одномерных построений, ориентированных на идеально слоистую среду ввиду сильной зависимости влагопроводящих свойств от степени насыщенности, представления о потоке влаги и скорости переноса вещества, полз аемые по совокупности одномерных расчетных колонок в пределах данной площади, могут резко отличаться от действительных в сторону занижения. Так, если глинистые включения представлены прерывистьши линзами, а не слоями большой протяженности, то вблизи окон и пережимов в относительно водоупорных образованиях насьпценность и влагопроводность проводящих пород растут, в результате чего наличие таких образований может и не приводить к существенному снижению расхода инфильтрационного потока, вызывая в то же время заметное ускорение (а не замедление, как это казалось бы логичным) переноса по отдельным наиболее проводящим зонам [10]. С одной стороны, это еще раз напоминает о важности контрольных пространственных численных моделей — в противовес одномерньпл оценкам с другой же стороны, подчеркивается необходимость накопления материала о реальной трехмерной структуре зоны аэрации и ее имитации на стохастических моделях (разд. 4.1.3). Кстати, такого рода моделирование приводит к выводам, скорее, негативного свойства относительно наших прогностических возможностей для оценки распространения локальных загрязнений при их случайных поверхностных разливах необходимо знание конк- [c.601]

Информация о пространственно-временных полях температуры и ветра теоретически может быть получена (оценена) с применением какой-либо прогностической модели (например, мезомасштабной, используемой обьшно при гидродинамическом прогнозе погоды [189, 190]) или задана на основе реальных измерений. С учетом сложного характера уравнений гидродинамики, применяемых в прогностических моделях (см., например, [190, 191]), и трудности корректного задания граничных условий на боковых открытых границах заданной мезомасштабной области использование гидродинамического подхода для решения задач пространственного прогнозирования температуры и ветра в зоне факельного выброса является достаточно затруднительным. [c.373]

В современных динамико-стохастических моделях могут применяться упрощенные уравнения гидротермодинамики, двумерное уравнение мезомасштабной диффузии, полиномы высоких порядков с изменяющимися во времени коэффициентами, а также смешанные разностные уравнения регрессивного типа. В нашем случае в качестве диагностических и прогностических моделей динамико-стохастического вида используются [c.374]

Ясно, что реализация подобной модели требует оценить предварительно величины, входящие в выписанное уравнение, что осуществить довольно сложно ввиду огромного множества природных и антропогенных факторов, оказывающих на них существенное влияние. Поэтому часто эти параметры оцениваются путем калибровки балансовой модели, что делает ее мало чем отличающейся от эмпирической модели. А это означает, что использующие био-геоценотический подход балансовые модели, не давая представления о динамике основных компонентов системы, обладают малой прогностической ценностью [Сысуев, 1986 Хрисанов и Осипов, 1993]. [c.20]

Показанные распределения изотерм (а) и изолиний вектора скорости (6) получены по прогностической модели Беннетта [32], По условиям счета в течение 45 сут озеро (имевшее повсеместно температуру 2 °С) получало через свободную поверхность тепло, приходившее с равномерной скоростью 16-10 ДжДм -сут). Стрелки, длина которых не масштабирована, показывают распределение потока относительно линии конвергенции. Можно видеть слабую антициклоническую циркуляцию за линией конвергенции в открытой части озера и относительно интенсивную циклоническую циркуляцию в прибрежной зоне. В последнем случае реализуется геострофическое равнодействие между силой давления (вектор Р) и силой Кориолиса (вектор С). О — вектор геострофической скорости. [c.41]

Справочник химика 21

Химия и химическая технология