Детерминированная модель

1.Детерминированное моделирование

Воснове детерминированного моделирования факторной системы лежит возможность построения тождественного преобразования для исходной формулы экономического показателя по теоретически предполагаемым прямым связям переднего с другими показателями-факторами. Детерминированное моделирование факторных систем — это простое и эффективное средство формализации связи экономических показателей; оно служит основой для количественной оценки роли отдельных факторов в динамике изменения обобщающего показателя.

Детерминированное моделирование факторных систем ограничено длиной факторного поля прямых связей. При недостаточном уровне знаний о природе прямых связей того или иного показателя хозяйственной деятельности часто необходим иной подход к познанию объективной действительности. Размах количественных изменений экономических показателей можно выяснить только стохастическим анализом массовых эмпирических данных.

При детерминированном факторном анализе модель изуча­емого явления не изменяется по хозяйственным объектам и периодам (так как соотношения соответствующих основных категорий стабильны). При необходимости сравнения результатов деятельности отдельных хозяйств или одного хозяйства в отдельные периоды может возникать лишь вопрос о сопоставимости выявленных на основе модели количественных аналитических результатов.

Детерминированный факторный анализ представляет собой методику исследования влияния факторов, связь которых с результативным показателем носит функциональный характер, т.е. может быть выражен математической зависимостью. Детерминированные модели могут быть разного типа: аддитивные, мультипликативные, кратные, смешанные.

Аддитивные модели.

Аддитивные модели представляют собой алгебраическую сумму показателей и имеют следующую математическую интерпретацию:

В качестве примера можно привести балансовую модель товарного обеспечения:

где Np — общий объём реализации;

Nзап.1 — запасы товара на начало периода;

Nn — объём поступления;

Nвыб — прочее выбытие товаров;

Nзап.2 — запасы товаров на конец анализируемого периода.

Мультипликативная модель.

Мультипликативная модель представляет собой произведение факторов.

Примером мультипликативной модели является двухфакторная модель объёма реализации:

где Ч — среднесписочная численность работников;

В — выработка на одного работника.

2.1.3 Кратные модели

Кратные модели представляют собой отношение факторов и имеют вид:

где Z — совокупный показатель.

Смешанные модели.

Смешанные модели представляют собой комбинацию перечисленных моделей. Примером смешанной модели является формула расчёта интегрального показателя рентабельности

где Rк — рентабельность капитала;

Rnp — рентабельность продаж;

Fe — фондоёмкость основных средств;

Eз — коэффициент закрепления оборотных средств.

Логарифмический способ.

Логарифмический способ применим к кратным и мультипликативным моделям. Он основан на логарифмировании отклонения отчётного и базисного значений результативного признака, равного отношению соответствующих произведений факторов, так как изменение показателей может быть оценено с помощью как абсолютных, так и относительных показателей.

Способ долевого участия.

Способ долевого участия. Этот способ заключается в определении доли каждого фактора в общей сумме их приростов, которая затем умножается на общий прирост совокупного показателя. Этот метод применяется к аддитивным моделям и чаще всего для оценки влияния факторов второго или третьего порядков.

Для примера рассмотрим модель зависимости фонда заработной платы от средней заработной платы и численности персонала.

где ФЗ — фонд заработной платы;

ЗП — средняя заработная плата;

Ч — среднесписочная численность.

В свою очередь средняя заработная плата равна сумме средних выплат по тарифным ставкам, доплат, надбавок (ДН) и дополнительной заработной платы (ДЗ).

Задача детерминированного факторного анализа заключается в определении или количественной оценке влияния каждого фактора на результативный показатель.

Наиболее часто применяется способ цепных подстановок, основанный, как и ряд других, на элиминировании. Элиминировать – это значит устранить, исключить воздействие всех факторов на величину результативного показателя, кроме одного.

Количество расчётов может быть несколько сокращено, если использовать модификацию способа цепных подстановок – способ разниц.

Изменение результативного показателя за счёт каждого фактора способом разниц определяется как произведение отклонения изучаемого фактора на базисное или отчётное значение другого (других) факторов в зависимости от выбранной последовательности подстановки.

2. Анализ финансового состояния предприятия

Переход к рыночной экономике требует от предприятия повышения эффективности производства, конкурентоспособности продукции и услуг на основе внедрения достижений научно-технического прогресса, эффективных форм хозяйствования и управления производством, активизации предпринимательства и т.д. Важная роль в реализации этой задачи отводится анализу хозяйственной деятельности предприятий. С его помощью вырабатываются стратегия и тактика развития предприятия, обосновываются планы и управленческие решения, осуществляются контроль за их выполнением, выявляются резервы повышения эффективности производства,

Под финансовым состоянием понимается способность предприятия финансировать свою деятельность. Оно характеризуется обеспеченностью финансовыми ресурсами, необходимыми для нормального функционирования предприятия, целесообразностью их размещения и эффективностью использования, финансовыми взаимоотношениями c другими юридическими и физическими лицами, платежеспособностью и финансовой устойчивостью.

Финансовое состояние может быть устойчивыми, неустойчивыми и кризисным. Способность предприятия своевременно производить платежи, финансировать свою деятельность на расширенной основе свидетельствует о его хорошем финансовом состоянии. Финансовое состояние предприятия зависит от результатов его производственной, коммерческой и финансовой деятельности. Если производственный и финансовый планы успешно выполняются, то это положительно влияет на финансовое положение предприятия. И наоборот, в результате недовыполнения по производству и реализации продукции происходит повышение ее себестоимость, уменьшение выручки и суммы прибыли и как следствие- ухудшение финансового состояния предприятия и его платежеспособность.

Устойчивое финансовое положение в свою очередь оказывает положительное влияние на выполнение производственных планов и обеспечение нужд производства необходимыми ресурсами. Поэтому финансовая деятельность как составная часть хозяйственной деятельности направлена на обеспечение планомерного поступления и расходования денежных средств , выполнение расчетной дисциплины, достижение рациональных пропорций собственного и заемного капитала и наиболее эффективного его использования.

Главная цель анализа — своевременно выявить и устранять недостатки в финансовой деятельности и находить резервы улучшения финансового состояния предприятия и его платежеспособность.

При этом необходимо решить задачи :

1. На основе изучения причинно-следственной взаимосвязи между различными показателями производственной, коммерческой и финансовой деятельности дать оценку выполнения плана по поступлению финансовых ресурсов и их использованию с позиции улучшения финансового состояния предприятия.

6.3. Виды детерминированных факторных моделей

Прогнозирование возможных финансовых результатов, экономической рентабельности, исходя из реальных условий хозяйственной деятельности и наличия собственных и заемных ресурсов, разработка моделей финансового состояния при разнообразных вариантах использования ресурсов.

3. Разработка конкретных мероприятий, направленных на более эффективное использование финансовых ресурсов и укрепление финансового состояния предприятия.

Для оценки финансового состояния предприятия используется целая система показателей, характеризующих изменения:

-структуры капитала предприятия по его размещению и источникам образования ;

-эффективности и интенсивности его использования;

-платежеспособности и кредитоспособности предприятия ;

-запаса его финансовой устойчивости;

Анализ финансового состояния предприятия основывается главным образом на относительных показателях, так как абсолютные показатели баланса в условиях инфляции практически невозможно привести в сопоставимый вид. Относительные показатели анализируемого предприятия можно сравнивать:

— с общепринятыми «нормами» для оценки степени риска и прогнозирования возможностей банкротства;

— с аналогичными данными других предприятий, что позволяет выявить сильные и слабы стороны предприятия и его возможности;

— с аналогичными данными за предыдущие годы для изучения тенденций улучшения и ухудшения финансового состояния предприятия.

Анализом финансового состояния занимаются не только руководители и соответствующие службы предприятия, но и его учредители, инвесторы с целью изучения эффективности использования ресурсов, банки для оценки условий кредитования и определения степени риска, поставщики для своевременного получения платежей, налоговые инспекции для выполнения плана поступления средств в бюджет и т.д. В соответствии с этим анализ делится на внутренний и внешний.

Внутренний анализ — проводится службами предприятия и его результаты используются для планирования, контроля и прогнозирования финансового состояния. Его цель- установить планомерное поступление денежных средств и разместить собственные и заемные средства таким образом, чтобы обеспечить нормальное функционирование предприятия, получения максимума прибыли и исключение банкротства.

3.1. Математические модели случайных процессов

При проведении научных исследований в производстве и в быту часто встречаются события, которые многократно появляются при одних и тех же условиях, но отличающиеся каждый раз друг от друга. Например, измеряя значение напряжения в сети переменного тока с помощью одного и того же прибора с одинаковой тщательностью, никогда не получим одинаковых данных. Наблюдается случайное рассеивание. Для оценки величины рассеивания вводится вероятность, как мера измерения.

Закономерность рассеивания, выраженная функцией распределения вероятностей, носит общий характер.

Если входные параметры объекта, смена состояний объекта или его выходные параметры описываются случайными распределениями вероятностей, то эти объекты относятся к классу стохастических. При моделировании поведения данных объектов применяется аппарат теории вероятностей, а для идентификации параметров моделей применяется аппарат математической статистики. Рассмотрим виды моделей, которые могут быть применены для описания стохастических объектов.

3.1.1. Распределение случайных событий. Массовые явления или процессы характеризуются многократным повторением при постоянных условиях некоторых опытов (операций и прочее). Абстрагируясь от специальных свойств этих опытов, в теории вероятностей вводится понятие испытания (опыта). Испытанием называется осуществление определенного комплекса условий, который может быть воспроизведен сколь угодно большое число раз. Явления, происходящие при реализации этого комплекса условий (в результате испытания), называются событиями .

Положительное число в отрезке , представляющее собой количественную меру возможности реализации случайного события в испытании, называется его вероятностью. Вероятность появления события А обозначают символом Р(А), причем 0£Р(А)£1. Вероятность понимается как идеальная мера возможности появления события.

Случайная величина рассматривается как функция, аргументом которой служит элементарное случайное событие. Дискретной случайной величиной называется такая, которая может принимать конечное или бесконечное счетное множество значений, например возможны значения x1, x2, …, xn, … Для каждого события xi определены вероятности P(xi). Распределение вероятностей дискретной случайной величины, представленное на рис. 3.1, рассматривают как точечное распределение вероятностей.

Рис. 3.1

При непрерывном распределении случайной величины вероятности распределены сплошной полосой по всей оси x или по некоторым ее участкам с определенной плотностью.

Распределение вероятностей носит название теоретического распределения случайной величины.

Интегральная функция распределения вероятностей определяет вероятность того, что случайная величина X меньше значения x

. (3.1)

Пример задания интегральной функции распределения вероятностей приведен на рис. 3.2.

Рис. 3.2

Дифференциальная функция распределения вероятностей (плотность распределения вероятностей) определяет вероятность того, что случайная величина X меньше значения x

. (3.2)

Пример задания дифференциальной функции распределения вероятностей приведен на рис. 3.3.

Совокупность случайных величин X(Q) аргумента Q, образует случайный процесс. Течение случайного процесса описывают некоторой функцией X(Q), где Q — аргумент функции со значениями из множества Q. Функцию X(Q), наблюдаемую в некотором опыте, соблюдая определенный комплекс условий, называют выборочной функцией или реализацией случайного процесса.

Рис. 3.3

Если множество Q произвольно, то вместо термина «случайный процесс» применяют термин «случайная функция». Название «случайный процесс» применимо в тех случаях, когда параметр Q интерпретируется как время. Если аргумент случайной функции является пространственной переменной, то функцию называют случайным полем.

Определение. Моделью случайного процесса называют случайную функцию X(Q), заданную на множестве Q, принимающую действительные значения и описываемую семейством распределений :

, QiÎQ, i=1,2,…,n, n=1,2,…,

которое удовлетворяет условиям согласованности

,

= ,

где i1, i2,…, in, —любая перестановка индексов 1, 2,…, n.

Набор функций называется конечномерными распределениями случайной функции или интегральной функции распределения вероятностей многомерной случайной величины. При n=1 получим одномерное распределение (3.1). Модель многомерного распределения необходима для моделирования многопараметрической случайной величины.

При решении многих задач моделирования приходится оперировать с несколькими случайными функциями. Для того чтобы над ними производить математические операции, недостаточно, чтобы каждая из этих случайных функций была задана в отдельности. Последовательность функций X1(Q), X2(Q),…, Xn(Q) возможно заменить векторной функцией x(Q), компонентами которой служат случайные функции Xi(Q), (i=1,2,…,n).

Явные выражения для конечномерных функций распределения случайного процесса бывают сложными и неудобными для применения. Поэтому в ряде случаев предпочитают задавать конечномерные распределения их плотностями (дифференциальной функцией распределения вероятностей многомерной случайной величины) или характеристическими функциями.

Если — плотность функций распределения , то

=

= .

Связь интегральной функции распределения вероятностей одномерной случайной величины и ее дифференциальной функцией распределения вероятностей показана формулой

.

Модель системы может быть задана также в виде характеристической функции конечномерного распределения последовательности

X1(Q),X2(Q), …, Xn(Q), Qi³0 >, i=1,n, n=1,2,…,

которая определяется формулой

,

где M —символ математического ожидания, u1,u2,…,uk — вещественные числа.

Если существует плотность конечномерного распределения, то модель в виде характеристической функции является преобразованием Фурье плотности распределения. Для одномерной случайной величины характеристическая функция определится по формуле

.

3.1.2.

Детерминированное моделирование (стр. 1 из 2)

Корреляционные функции. Исчерпывающую характеристику модели стохастического объекта в виде случайной функции в широком смысле дает семейство конечномерных распределений. Однако решение многих теоретико-вероятностных задач зависит только от небольшого числа параметров, характеризующих входящие в задачу распределения. Наиболее важными числовыми характеристиками распределений являются их моменты. В теории случайных функций роль моментов распределений играют моментные функции. Рассмотрим модели в виде моментных функций для одномерной случайной величины.

Момент k–го порядка дискретной случайной величины определяется по формуле

.

Для непрерывной случайной величины моментная функция k–го порядка определяется по формуле

.

Рассмотрим модели в виде моментных функций для многомерной случайной величины.

Определение. Модель случайной функции X(Qi), QiÎQ в виде моментной функции задается отношением

,

если математическое ожидание в правой части равенства имеет смысл при всех QiÎQ, i=1,n. Величина q=j1+j2+…+jn называется порядком моментной функции.

Если известны характеристические функции конечномерного распределения, то моментные функции с целочисленными индексами могут быть найдены с помощью дифференцирования

при u1=u1=…=un=0.

Кроме моментных функций в качестве моделей часто рассматривают центральные моменты функции. Центрированной случайной величиной называется случайная величина . Для непрерывной случайной величины центральная моментная функция k–го порядка определяется по формуле

.

Для многомерной случайной величины центральные моменты функции определятся по формуле

,

которые являются моментными функциями центрированной случайной функции многих параметров.

Среди моментных функций особое значение имеют функции первых двух порядков, которые могут иметь обозначения:

m(Q)=m1(Q1)=MX(Q),

R1(Q1,Q2)=m1(Q1,Q2)=M{}.

Функции m(Q) называются средним значением или математическим ожиданием, а R1(Q1,Q2) — корреляционной функцией. При Q1=Q2=Q корреляционная функция дает дисперсию s(Q) величины e(Q), R1(Q1,Q2)=s2(Q).

Величину

называют коэффициентом корреляции случайных величин X(Q1) и X(Q2).

Дата публикования: 2014-11-18; Прочитано: 660 | Нарушение авторского права страницы

Детерминированная модель

Cтраница 2

Детерминированные модели, как было показано выше, предполагают некоторый уровень усреднения характеристик сорбцион-ной системы. При современном уровне развития гидродинамики, по-видимому, этот уровень ( усреднение вдоль поперечного сечения трубки тока) является наиболее детальным. Но ясно, что допустимо и более агрегированное усреднение.  

Детерминированные модели — это такие модели, в которых стремятся воспроизвести как можно точнее фактическое строение и свойства пластов. Другими словами, детерминированная модель при все более детальном учете особенностей пласта должна стать похожей на фотографию пласта.  

Детерминированные модели позволяют оценить влияние определяющих факторов на некоторые характеристики разделения ( размер равновесной частицы, в ряде случаев граничный размер), но не позволяют получить расчетные выражения для кривых разделения. Построение кривых разделения возможно только на основе стохастических моделей процессов классификации, учитывающих совокупный эффект от случайных воздействий со стороны окружающей среды на каждую частицу.  

Детерминированная модель описывает процессы, которые определяются начальным состоянием системы.  

Детерминированные модели строятся на основе математических закономерностей, описывающих физико-химические процессы в объекте. Поведение системы можно предсказать достаточно точно.  

Детерминированные модели строятся на основе обобщенных уравнений материального и теплового балансов, которые определяются макрокинетикой процесса.  

Детерминированные модели прочностной надежности состоят в определении запасов прочности по разрушающим усилиям и сопоставлении их с рекомендуемыми значениями.

Детерминированная модель

Детерминированная модель исследуемого явления включает определенные элементы этого явления. Закономерности прямо перенесенных элементов в данной модели остаются нераскрытыми.  

Детерминированные модели производственных систем, формализованные в классе задач линейного программирования , базируются на следующих предположениях: затраты ресурсов и выпуск продукции в различных способах производства пропорциональны их интенсивности; все переменные, описывающие ресурсы, интенсивности и продукты, неотрицательны; по каждому виду ресурса и продукции соблюдается условие материального баланса; качество решений оценивается линейной целевой функцией, слагаемые которой определяют вклад отдельных способов производства.  

Детерминированные модели оптимизации использования машин учитывают только фиксируемые факторы.  

Детерминированные модели планирования производственной программы нефтеперерабатывающих предприятий по способу представления основных параметров технологических процессов можно подразделить на два типа: 1) аппроксимационные модели, в которых каждая производственная единица моделируемого объекта представлена в виде совокупности фиксированных векторов граничных вариантов их работы; 2) модели с переменными параметрами, в которых фиксированы диапазоны варьирования, введены дополнительные уравнения связи для соответствующих векторов граничных вариантов.  

Детерминированные модели задач динамической оптимизации непрерывных производств не учитывают вероятностную природу информации о характере протекания технологических процессов в условиях реализации производственной программы предприятия.  

Детерминированную модель строят на основе теоретического и экспериментального исследования сущности технологического процесса, его причинно-следственных связей. И в этом заключается главное преимущество детерминированных моделей.  

Кибернетические детерминированные модели, основанные на анализе переходных процессов, возникающих при любых изменениях агрессивных свойств внешней среды.  

Гибкие детерминированные модели, основанные на гидродинамике нефтяного пласта, относятся к моделям содержательным. Они имеют преимущество перед эмпирическими, так как с их помощью можно легко получить структуру решения. Математическая статистика в этом случае рассматривает свойственные ей задачи, для заранее известных априорных моделей, которые, по возможности, выбираются из содержательных представлений, не связанных, очевидно, с математической статистикой.  

Страницы:      1    2    3    4

Детерминированные и стохастические модели.

Детерминированные и вероятностные модели

Детерминированныминазываются модели, в которых отсутствуют какие бы то ни было случайные изменения: внешних воздействий, внутренних параметров и самих переменных. В таких моделях все поведение объекта определяется конкретными значениями начальных условий и входных переменных. Иначе говоря, в них все точно определено (детерминировано).

Вероятностнымиявляются модели, в которых учитывается случайный характер изменений значений входных, промежуточных и выходных переменных, а также параметров моделируемого объекта. В том случае, когда независимой переменной служит время, случайные процессы, а также и соответствующие вероятностные модели, их описывающие, называются стохастическими. Такие модели характеризуются функциями или плотностями распределения вероятностей и средними характеристиками смещения и рассеяния, например, математическим ожиданием и дисперсией.

Существуют различные точки зрения на реальный характер процессов, протекающих в нашем мире. Одна из них заключается в том, что абсолютно все процессы случайны, но среди них есть более случайные, с большим разбросом значений реализаций относительно средних характеристик, и менее случайные, со значениями, близкими к средним. Полярная точка зрения состоит в том, что наш мир детерминирован, а случайность характеризует степень нашей неосведомленности об истинном положении дел. По мере познания случайность должна отступать, уступая место детерминированному описанию. С нашей точки зрения истина, как всегда, находится где-то посередине, но в любом случае и детерминированные, и случайные модели имеют право на существование, взаимно дополняя друг друга. К этому вопросу целесообразно вернуться позже, при рассмотрении свойства истинности моделей (п. 1.5).

Можно рассмотреть на примере графиков функций распределения вероятностей (рис. 1.10) постепенный переход от одних вероятностных моделей (1 – равномерное распределение) к другим вероятностным моделям (2 и 3 – нормальное распределение с разными значениями параметра), а также в пределе и к детерминированной модели 4.

Рис.1.10. Переход от вероятностных моделей: равномерного распределения 1 (на интервале ab) и нормального распределения 2, 3 к детерминированной модели 4

Дата добавления: 2015-09-18; просмотров: 1661;

Классификация информационных систем

Виды информационных систем

Реляционная модель данных

Реляционная модель данных характеризуется:

n информационной конструкцией;

n допустимыми операциями (выборкой, соединением и др.);

n ограничениями (функциональными зависимостями между атрибутами).

Реализационная база данных может быть описана как:

S(rel)=<A, R, Dom, Rel, V(s)>

где

A — множество имен переменных;

R — множество имен отношений;

Dom — вхождение атрибутов в домены;

Rel — вхождение атрибутов в отношения;

V(s) — множество ограничений.

Описание процесса обработки отношений может быть выполнено двумя способами:

n указанием перечня операций, выполнение которых приводит к требуемому результату (процедурный подход);

n описанием требуемых свойств (декларативный подход).

Множество операций и отношений образуют реляционную алгебру.

Как правило, список операций содержит проекцию, выборку, объединение, пересечение, вычитание, соединение и деление.

Проекцией называется операция, которая переносит результирующие отношения столбцы исходного отношения.

T=R.

R — исходное отношение;

T — результирующие отношение;

X — список атрибутов (условие проекции).

Выборка

Выборка — перенос в результирующие отношение строки удовлетворяющие условию выборки.

T=R.

R — исходное отношение;

T — результирующие отношение;

p — условие выборки.

Операция объединения, пересечения, вычитания.

Исходные отношения R1 и Р2, результирующие — T.

Операция объединения

Т=U(R1,R2)

Отношение Т содержит строки встречающиеся в отношениях R1 или в R2.

Операция пересечения

Т=I(R1,R2)

Отношение Т содержит строки встречающиеся одновременно в отношениях R1 и в R2.

Операция вычитания

Т=М(R1,R2)

Отношение Т содержит строки из отношения R1 за исключением строк встречающихся в отношении R2.

Операция соединения отношений.

T=R1 R2

p — условие соединения.

Если строка из R1 по очереди сопоставляется со строками из R2 и если условие выполняется, то строки сцепляются.

Операция натурального соединения

Операция не содержит условия

T=R1*R2

Если структуры R1 и R2 не содержат общих атрибутов то производится сцепление каждой строки из R1 со всеми строками из R2.

Основные свойства операции натурального соединения

Свойство коммутативности

R*S=S*R

Свойство ассоциативности

(R*S)*T=R*(S*T)

Классификация ИС: по виду формализованного аппарата представления (детерминированные, стохастические); по сложности структуры и поведения; по степени организованности («хорошо» и «плохо» организованные, самоорганизующиеся).

Системы разделяются на классы по различным признакам, и в зависимости от решаемой задачи можно выбрать разные принципы классификации. При этом систему можно охарактеризовать одним или несколькими признаками. Системы классифицируются следующим образом:

по виду отображаемого объекта—технические, биологические и др.;

по виду научного направления — математические, физические, химические и т. п.;

по виду формализованного аппарата представления системы — детерминированные и стохастические;

по типу целеустремленности — открытые и закрытые;

по сложности структуры и поведения—простые и сложные;

по степени организованности — хорошо организованные, плохо организованные (диффузные), самоорганизующиеся системы.

Классификации всегда относительны. Так в детерминированной системе можно найти элементы стохастических систем.

Цель любой классификации ограничить выбор подходов к отображению системы и дать рекомендации по выбору методов.

Технические, биологические и др. системы

Технические системы. Параметрами технических объектов являются движущие объекты, объекты энергетики, объекты химической промышленности, объекты машиностроения, бытовая техника и многие другие. Объекты технических систем хорошо изучены в теории управления.

Экономические объекты. Экономическими объектами являются: цех, завод, предприятия различных отраслей. В качестве одной из переменных в них выступают экономические показатели — например — прибыль.

Биологические системы. Живые системы поддерживают свою жизнедеятельность благодаря заложенным в них механизмам управления.

Если внешние воздействия, приложенные к системе (управляющие и возмущающие) являются определенными известными функциями времени u=f(t). В этом случае состоянии системы описываемой обыкновенными дифференциальными уравнениями, в любой момент времени t может быть однозначно описано по состоянию системы в предшествующий момент времени. Системы для которых состояние системы однозначно определяется начальными значениями и может быть предсказано для любого момента времени называются детерминированными.

Стохастические системы — системы изменения в которых носят случайный характер.

Например воздействие на энергосистему различных пользователей. При случайных воздействиях данных о состоянии системы недостаточно для предсказания в последующий момент времени.

Случайные воздействия могут прикладываться к системе из вне, или возникать внутри некоторых элементов (внутренние шумы). Исследование систем при наличии случайных воздействий можно проводить обычными методами, минимизировав шаг моделирования чтобы не пропустить влияния случайных параметров. При этом так как максимальное значение случайной величины встречается редко (в основном в технике преобладает нормальное распределение), то выбор минимального шага в большинстве моментов времени не будет обоснован.

В подавляющем большинстве случаев при проектировании систем закладываются не максимальным а наиболее вероятным значением случайного параметра. В этом случае поучается более рациональная система, заранее предполагая ухудшение работы системы в отдельные промежутки времени. Например установка катодной защиты.

Расчет систем при случайных воздействиях производится с помощью специальных статистических методов. Вводятся оценки случайных параметров, выполненные на основании множества испытаний. Например карта поверхности уровня грунтовых вод СПб.

Статистические свойства случайной величины определяют по ее функции распределения или плотности вероятности.

Дата добавления: 2014-01-20; Просмотров: 218; Нарушение авторских прав?;

Читайте также:

admin