Объекты стохастические

Детерминированный и стохастический подходы к объекту [c.4]

Метод стохастической аппроксимации. Наряду с рассмотренными методами корреляционного и регрессионного анализа весьма эффективным способом отыскания оценок коэффициентов уравнения регрессии (особенно в условиях дрейфа технологических характеристик объекта) является метод стохастической аппроксимации [5, 24]. [c.97]

Это обстоятельство позволяет, считая коэффициенты модели неизменными, попытаться свести всю неопределенность к изменению нескольких дополнительных коэффициентов, входящих в модель, например, в виде линейной добавки. Эта идея реализована в работе [100], где предложена структурная схема модели сложного нелинейного стохастического процесса, представляющая собой последовательное соединение двух блоков. Первый блок — детерминированная модель усредненного состояния объекта. Второй блок, искусственно сформированный, представляет собой стохастическую линейную модель взаимодействия выходной величины первого блока с обобщенной помехой. Эта помеха не зависит от величины управляющего воздействия и может рассматриваться как дополнительная переменная состояния объекта управления. Модель стохастического блока формируется так, чтобы зависимость между выходной величиной модели и составляющими обобщенной помехи была бы линейной. При этом наличие или отсутствие той или иной составляющей этой фиктивной помехи определяется в реальных условиях естественным образом в ходе рекуррентной процедуры оценивания. [c.105]

Если не учитывается стохастическая составляющая, то непосредственный перенос результатов экспериментов, проведенных в лабораторных масштабах, на промышленные объекты невозможен. [c.24]

I видимому, Л. Больцман. Тем не менее, большинство моделей этих систем детерминистские по своей сути. Другой недостаток, препятствующий моделированию сложных систем - стремление к описанию их на уровне взаимодействия элементарных частей системы. В сложных системах процессы являются стохастическими. Детерминированность таких систем кажущаяся. Квантовая теория изменила представления об атомах и молекулах. Одно из крупнейших достижений физики и химии XX века - теория гибридизации Л. Полинга, обычно понимается довольно узко как образование сложных электронных оболочек, хотя истинный смысл этой теории в том, что реальный атом в молекуле и изолированный атом таблицы Менделеева - разные вещества. То же относится к молекулам молекула в почве, лаборатории и организме - разные объекты. Состояние вещества зависит от среды. Природные геохимические и биогеохимические системы - почвы, нефти, водные биоценозы состоят из бесконечного числа компонентов. В природе нет и не может быть абсолютно чистого вещества. Понятие чистого вещества противоречит понятию памяти сред. В дальнейшем будет показано непостоянство закона постоянства состава. Кроме того, для таких систем характерны законы квантовой. логики. В конечном счете, это приводит к замыканию макромира таких систем [c.22]

В ряде случаев при моделировании сложных объектов химической технологии необходимо учитывать процессы как детерминированной, так и стохастической природы. При этом результирующее математическое описание объекта обычно представляется в форме интегро-дифференциальных уравнений. Например, такая форма уравнений характерна для уравнения баланса свойств ансамбля частиц дисперсной фазы в аппарате, где эффекты взаимодействия (дробления—коалесценции) задаются соответствующими интегралами взаимодействия в дифференциальном уравнении для многомерной функции распределения частиц по физико-химическим свойствам. Другим характерным примером интегро-диффе-ренциальной формы функционального оператора объекта может служить дифференциальное уравнение, описывающее процесс диффузии или теплопереноса, свернутое по временной координате с помощью функции распределения элементов потока по времени пребывания в аппарате. [c.202]

Отличительная особенность химических производств как непрерывных процессов состоит в многообразии явлений и их взаимосвязей. Вероятностно-стохастическая природа процессов химического превращения и тепло-массообмена в значительной степени зависит от внутреннего состояния объекта и внешних условий, характер и степень влияния которых не всегда возможно установить. Все это обусловливает сложность и подчас невозможность адекватного описания объекта. Поэтому распространенным способом описания объекта до настоящего времени является интефальная оценка факторов, доминирующе влияющих на протекание процесса, закономерности которых определяются эмпирическим или полуэмпирическим путем. [c.7]

С другой стороны, в любом анализе присутствуют оба подхода. Так, при стохастическом подходе инфор.мация об объекте неявно все же присутствует хотя бы потому, что целенаправленно выделили X и Z. Для детерминированного подхода схема черного ящика также верна. Отличие в том, что знаем механизм влияния на процесс вектора X. Вектор Ъ в этом случае называется шумом. Обычно =Г(Х) при проектных разработках, [c.5]

Одной из основных причин низкой эффективности существующих АСУ ТП транспорта газа является разработка алгоритмов управления на основе представления ГТС как традиционного объекта управления с использованием только детерминированных или стохастических моделей процессов транспорта газа. Структуру таких АСУ ТП можно описать кортежем [c.267]

Различие третье. Задача оптимального управления должна решаться в стохастической постановке, поскольку в реальных условиях управляемый объект находится под воздействием возмущений, в том числе и случайных. Задача оптимального проектирования обычно решается в детерминированной постановке. При этом предполагается, что возмущающие факторы (например, изменение состава сырья) отсутствуют. [c.84]

Итак, задача управления каталитическим крекингом относится к стохастическим. Как отмечалось выше, случайность учитывается в модели объекта совокупностью множителей Gj, которые являются неизвестными константами в период работы с одним сырьевым резервуаром и случайным образом изменяются при смене резервуаров. Случайность вводится в модель также в виде аддитивного гауссовского шума в канале наблюдений. [c.122]

Неопределенность наших априорных знаний об объекте управления, а также случайные ненаблюдаемые возмущения, приводящие к отклонениям в работе объекта, заставляют прибегать к систематическому уточнению математической модели процесса (адаптация модели к изменяющимся внешним условиям). Та им образом поставленную задачу следует решать с помощью стохастических адаптивных методов. [c.122]

В частном случае уравнения, полученные при использовании метода направленного эксперимента, представляют собой полиномы, коэффициенты которых при входных переменных стохастически независимы друг от друга и отражают влияние этих переменных. Рассмотрим уравнение объекта, полученное методом направленного эксперимента как основу для выбора структуры управления. Задача в этом случае сводится к определению необходимой структуры управления для объектов, критерии управления которыми описываются сепарабельными или частично-сепарабельными полиномиальными функциями [24]. [c.147]

Большинство природных и технологических процессов, протекавших вокруг нас, связаны с химическими превращениями многокомпонентных систем, состоящих из большого числа соединений. По-видимому, в природе существуют два типа многокомпонентных систем с более-менее четко выраженной степенью детерминированности и многокомпонентные стохастические системы (МСС) со случайным распределением компонентного состава [1-28]. К МСС относятся, прежде всего, геохимические объекты [1-6], каустобиолиты [7-11], нефти, торфы, природные газы, газоконденсаты, асфальты. Во-вторых, к этой группе принадлежат техногенные системы нефтепродукты и фракции нефтей [12,13], -продукты переработки твердого топлива [14], техногенные углеводородные газы [15-20], углеводородные масла и топлива [16,17], нефтяные асфальтены и смолы [22,23], продукты полимеризации многокомпонентных мономерных и олигомерных систем [23-25], полимерные смеси, продукты термо- или фотодеструкции органических веществ [26,27] и т. д. К аналогичным системам относится вещество межзвездных газопылевых туманностей [27], продукты метаболизма живого вещества [28] и геохимические системы биоценозов, например, почвы [1-3]. [c.5]

Можно выделить следующие наиболее типичные классы задач анализа хозяйственной деятельности, для решения которых применяются методы стохастического моделирования изучение наличия, направленности и интенсивности связей показателей ПОД ранжирование и классификация факторов экологических и экономических явлений выявление аналитической формы связи между показателями ранжирование и классификация объектов нефтегазодобычи построение усредненных нормативов ПОД в нормативной модели ЭЭО эксплуатации нефтяных месторождений. [c.121]

Отличительной особенностью химических производств как непрерывных процессов является вероятностно-стохастическая природа их протекания. Химическое превращение, тепломассообмен зависят от внутреннего состояния объекта и внешних условий. Поэтому для повышения эффективности производства необходимо обеспечить оптимальные режимы протекания отдельных процессов и благоприятные внешние условия. От того, насколько правильно организовано взаимодействие объекта с внешней средой, будут зависеть потери энергии, массы и в конечном итоге — эффективность производства. При интенсивном росте промышленного производства, увеличении единичной мощности возрастание таких потерь уже приводит к заметным экологическим последствиям. [c.21]

Повреждения, наблюдаемые в колонных аппаратах, представляют собой, как правило, релаксационные процессы, возникающие в условиях силового, теплового и (или) коррозионного нагружения. Другими словами, повреждение может рассматриваться как специфическое реагирование системного объекта (колонны) на внешние воздействия. В силу стохастической природы таких воздействий поведение объекта не может быть описано детерминированной моделью, а требует для своего описания более адекватных средств. [c.30]

При использовании алгоритмов стохастической аппроксимации для определения характеристик объекта в процессе его нормальной эксплуатации случайными являются как величины на входе, так и на выходе объекта. Полученные в работе [4] оценки скорости сходимости для ряда конкретных законов распределения входных переменных показали, что сходимость может быть существенно улучшена, если входные переменные предварительно стандартизованы. Стандартизация заключается, во-первых, в том, что из каждой переменной вычитают ее математическое ожидание (таким образом, вновь введенные переменные имеют математическое ожидание, равное нулю) во-вторых, желательно по каждой из новых переменных выбрать масштаб так, чтобы все они имели одинаковые дисперсии. Для этого за единицу измерения может быть принято по каждой из переменных ее среднеквадратичное отклонение. [c.207]

Э. С. Б о ж а н о в, Применение метода стохастической аппроксимации для восстановления характеристик объектов . Автоматика и телемеханика, № 6 (1967). [c.208]

Примером связи между элементами различных вектор-столбцов в задаче оптимизации производственной программы НПП может служить параметрическая взаимосвязь варьируемых технологических коэффициентов и качественных характеристик материальных потоков, взаимосвязь коэффициентов отбора и качественных характеристик базовых компонентов, вырабатываемых в процессе разделения и вовлекаемых на смещение в товарном блоке. Следовательно, в рассматриваемом случае в стохастической задаче планирования необходимо учитывать дополнительные условия и ограничения, обеспечивающие согласованность режимов взаимосвязанных технологических звеньев не только по количественным, но и по качественным показателям, учет которых обеспечивает повышение адекватности модели планирования реальным условиям функционирования объекта. [c.70]

Примечание. Можно было бы выдвинуть следующее логическое возражение. В 1.1 стохастические переменные были определены как объекты, состоящие из множества возможных значений и распределения вероятностей. Алгебраические операции с такими объектами, следовательно, должны быть скорее определены, чем выведены. Значит, логичнее было бы сложение, обсуждаемое в этом параграфе, и преобразования, рассматриваемые в следующем разделе, рассматривать как определения, конечно, если будет показано, что свойства этих операций, очевидные для нас, действительно являются следствиями определений. [c.24]

В зависимости от целей и исходной информации об объекте М. и условиях его функционирования применяют различные по форме и структуре мат. описания модели. К числу наиб, распространенных типов моделей относят стохастические, статистические и детерминированные. [c.101]

Стохастические модели. Строятся на основе вероятностных представлений о процессах в объекте М. и позволяют прогнозировать его поведение путем вычисления ф-ций распределения вероятностей для переменных, характеризующих исследуемые св-ва (при заданных ф-циях распределения вероятностей входных и возмущающих переменных). [c.101]

В основе стохастического моделирования лежит возможность построения соотношений функционирования объекта анализа на основе статического обобщения закономерностей изменения значений показателей хозяйственной деятельности. [c.120]

Методы адаптивного стохастического управления. Алгоритмы адаптивного стохастического управления делятся на активно-адаптивные и пассивно-адаптивные. Остановимся кратко на этих понятиях. Для стохастической системы управления характерно наличие в модели объекта случайных ненаблюдае.чых переменных состояния, неизмеряемых параметров объекта, которые характеризуются вероятностными распределениями [см. например, величины 6, в выражении (1V-2)]. В процессе управления эти вероятностные характеристики уточняются, что уменьшает неопределенность наших знаний об объекте управления. Системы, в которых темп уменьшения неопределенности знаний об объекте зависит от выбора стратегии управления называют активно-адаптивным. Если темп не зависит от стратегии управления, то мы имеем дело с пасснвно-адаптивнымн системами. [c.127]

В качестве другого возможного принципа классификации систем распознавания может быть использован характер информации о признаках распознаваемых объектов. В зависимости от того, на языке каких признаков производится описание распознаваемых объектов или явлений — детерминированных, логических, стохастических, структурных или тех и других, системы распознавания подразделяются на детерминированные, логические, вероятностные, структурные и комбинированные. [c.72]

Свертывание белковой цепи не может быть объектом рассмотрения классической равновесной термодинамики, поскольку последняя оперирует только усредненными характеристиками стохастических систем, обратимыми флуктуациями и функциями состояния, а поэтому ограничена изучением макроскопических систем с чисто статистическим, полностью неупорядоченным движением микроскопических частиц, взаимодействующих неспецифическим образом только в момент упругих соударений. Равновесная термодинамика в состоянии анализировать коллективное поведение множества частиц, не вдаваясь при этом в детали их внутреннего строения и не конкретизируя механизм равновесного процесса. Особенно важно отметить то обстоятельство, что для классической термодинамики все случайные флуктуации системы неустойчивы, обратимы и, следовательно, не могут оказывать заметного, а тем более конструктивного, воздействия на протекающие процессы. Все явления, самопроизвольно протекающие в изолированной системе, направлены, согласно термодинамике равновесных процессов, на достижение однородной системы во всех возможных отношениях. Сборка белка не отвечает основным положениям классической статистической физики эргодической гипотезе и Н-теореме Больцмана, принципу Больцмана о мультипликативности термодинамической вероятности и закону о равномерном распределении энергии по всем степеням свободы. Следование системой больцмановскому распределению вероятностей и больцмановскому принципу порядка, не содержащих механизма структурообразования из беспорядка, исключает саму возможность спонтанной сборки трехмерной структуры белка. Кроме того, невозможен перебор всех равноценных с точки зрения равновесной термодинамики и статистической физики конформационных вариантов. Даже у низкомолекулярных белков (менее 100 аминокислотных остатков в цепи) он занял бы не менее лет. В действительности же продолжительность процесса исчисляется секундами. Величина порядка 10 ° лет может служить своеобразной количественной мерой удаленности предложенных в литературе равновесных термодинамических моделей от реального механизма свертывания природной аминокислотной последовательности. [c.90]

Если априорная информация об объекте моделирования не обладает достаточной полнотой или из-за его значительной сложности невозможно описать в виде модели все выходные воздействия, а влияние ненаблюдаемых переменных на выходные координаты объекта существенно, то принимают стохастическую модель. [c.9]

Стохастическое описание строится на основе статистическо-вероятных соотношений между входными и выходными параметрами объекта. Поскольку процессам химической технологии свойственна детерминированно-стохастическая природа, более обоснованным описанием объекта будет такое, в котором отражены обе эти составляющие, причем последняя по своей природе отражает нестационарность процесса, вызванную различием времени пребывания элементов потока в аппарате, неравномерностью распределения субстанции в объеме. [c.256]

Вопросы исследования устойчивости и сходимости процесса счета задач идентификации и оценки переменных состояния настолько обширны и трудоемки, что фактически выделились сейчас в отдельную самостоятельную проблему, включающую разработку специальных методов и приемов преодоления указанных трудностей. К последним можно отнести методы квазилинеари-зации, стохастической аппроксимации, инвариантного погружения, градиентный метод и его многочисленные модификации и многие другие. Однако использование этих формальных математических приемов отнюдь не снимает весьма жестких требований к точности задания начальных условий по переменным состояния, начальных оценок искомых констант моделей, к уровню шумов объекта и помех наблюдения. Дополнительные осложнения возникают в случае нестационарности, коррелированности и не-гауссовости шумов, что характерно именно для объектов хими- [c.474]

Все вещества, в той или иной степени, являются системами со случайным распределением состава. Все вещества образуют многокомпонентные стохастические системы (МСС) с компонентным хаосом состава, который распределяется по закону случая. Химически чи toe вещество также рассматривается как многокомпонентная система из доминирующего компонента и компонентов - примесей с вероятностью содержания порядка р= 10 - 10 . Системы с вероятностью содержания примесей )=10 и более рассматриваются как загрязненные вещества. Мы будем говорить о системах, где вероятность нахождения компонентов или групп компонентов (фракций) распределена по статистическим законам и лежит в интервале О Р <1. К природным МСС относятся геохимические, биогеохимические объекты, каустобиолиты, углеводородные природные системы, в том числе нефти, природные газы, газоконденсаты, асфальты, и космические системы - межзвездные [c.219]

Метод динамического программирования без принципиальных изменений переносится и на стохастические системы. Так, если на объект действует еще и случа1П1ая помеха, то методика оказывается такой же, как и для детерминированных систем. Если же поведение объекта зависит от случайного процесса дг [c.125]

Стохастическая. математическая модель, используемая для управления процессом каталитического крекинга [см. выражение (111-36)] включает произведения управляющего воздействия на ненаблюдаемую переменную состояния и, следовательно, соответствующая система управления объектом относится к неприводимым по Фельдбауму. [c.130]

Из экспериментов известно, что, несмотря на огромное число компонентов, в различных процессах МСС ведут себя удив1ггельно просто. Подобные факты часто приводят к неоправданному распространению закономерностей химии и физики простых веществ на сложные многокомпонентные системы, даже без введения соответствующих поправок. Несмотря на определенный успех данных моделей, в них имеет место детерминированность элементарных стадий процессов, не учитываются их сопряжение и стохастический характер процесса во времени. Единственно возможным в таких случаях является статистический термодинамический и синергетический недетерминистиче-скии подход, который эффективно используется в естественных науках, в том числе в исследовании систем далеких от равновесия [35-45].Но в синергетике очень часто изучаются не самые главные компоненты и процессы, так как не достаточно информации о системе в це юм. Таким образом, в синергетике не хватает определенного макроуровня для описания сложных многокомпонентных объектов. Непрерывный подход к веществу, родившийся в древности, воплотился в XIX веке в термодинамику, для которой важен не состав, а начальное и конечное усредненное энергетическое состояние вещества. Кибернетика также оперирует начальным и конечным состоянием системы, которая является черным ящиком Из обширного эмпирического материала известно, что МСС, несмотря на огромное число компонентов, в ряде случаев ведут себя удивительно просто. Например, кинетика деструктивных процессов превращения нефтяных фракций и твердого топлива описывается простыми уравнениями первого или второго порядка [17-20]. Кроме того, пре- [c.11]

Если все же такая информация имеется, то и в этом случае методы математической статистики могут применяться для анализа надежности крайне ограничено. Даже при наличии нескольких конструктивно идентичных объектов, функционирующих с одинаковыми рабочими параметрами, будет неоправданным упрощением говорить об их однородности и определять статистически те или иные характеристики надежности. Большое число факторов, влияющих на работоспособносггъ конструкции и ярко выраженный стохастический характер многих из них приводят к тому, что применительно к конкретному объекту можно говорить об уникальном сочетании нагрузок. [c.14]

Для многих констру-кций характерен периодический режим нагружения. В этом случае одной из основных причин неисправностей и отказов колонны является усталостное разрушение. Результаты многочисленных исследований процесса возникновения усталостных трещин в крупногабаритных конструкциях позволяют сделать вывод о стохастическом распределении трещин, как по времени, так и по поверхности ахшарата. Объясняется это системным воздействием комплекса факторов, проявляющихся при эксплуатацрш объекта. К числу таких факторов следуег отнести особенности структуры материала (размер зерен, наличие дисперсных выделений и т. д ), последовательность нагружения, влияние термоактивационных процессов и т. п. Механизмы усталостного разрушения и особенности их проявления в крупногабаритньхх конструкциях рассмотрены в [39, 40, 48]. [c.26]

В настоящее время при диагностировании подобных объектов не в полной степени учитьшаются их специфические конструктивные и функциональные особенности большие габариты, значительная протяженность сварных швов, стохастическое распределение тешювых и си-повых полей по поверхности конструкций. Ориентация диагностических методов, применяемых при обследовании подобных объектов, главным образом, на обнаружение дефектов типа несплошностей, для таких усповий яв.У1яется недостаточной. Методы оценки поврежденности, базируюгциеся на положениях механики разрушения, также связаны с трещиноподобными дефектами. Важной задачей становится регистрация физических явлений, позволяющая прогнозировать переход материала в дефектное состояние. [c.33]

Токарев М. А., Тахаутдинов Ш. Ф. Вероятностные связи асфальтосмолопарафиновых отложений с геолого-физической характеристикой объектов разработки / Тез. докл. IV Всерос. школы-коллоквиум по стохастическим методам.— Уфа Изд-во Фонд содействия развитию научных исследований , 1997.— С. 45. [c.160]

Если определена стохастическая переменная X, из нее можно вывести бесконечное количество других стохастических переменных, а именно все величины V, определенные с помощыо некоторого отображения / как функции переменной X. Эти величины Y могут быть математическими объектами любого вида, в частности они могут быть и функциями, зависящими от дополнительной переменной i [c.57]

В книге на основании детерминистского подхода получены уравнения динамики основных процессов в теплоэнергетике и химии. Известно, что реальные производственные объекты являются стохастическими, и принятые в книге описания, естественно, довольно идеализированы. Поэтому очевидно, что приведенные уравнения выполняются в среднем и уточнение коэффициентов дифференциальных уравнений осуществляется в каждом конкретном случае по данным нормального функционирования объектов методами, разработанными в современной теории идентификации. В связи с этим редактор счел необходимым, кроме указанной в конце каждой главы литературы, привести дополнительную краткую библиографию отечественной и зарубежной литературы, по которой читатель может познакомиться с согременпыми методами теории и практики идентификации. [c.15]

Справочник химика 21

Химия и химическая технология