Ітераційна процедура - Велика Енциклопедія Нафти та Газа, стаття, сторінка 1
Ітераційна процедура
Ітераційна процедура вимагає додаткових витрат часу, проте повний час розрахунку можна скоротити, збільшивши розмір кроку завдяки збільшення точності чисельного алгоритму. На практиці достатньо двох ітерацій. [1]
Ітераційна процедура закінчується, як тільки виконуються деякі критерії збіжності ітераційного процесу вектор AUW стає малою величиною. [3]
Ітераційна процедура в) дозволяє позбавитися звернення погано обумовлених матриць або сингулярних матриць. Однак у цій процедурі неможливо використовувати рекурентні формули [I], які при невироджених оптимальних планах різко скорочують обсяг обчислень. [4]
Ітераційна процедура (c) може бути використана при послідовному плануванні. При цьому о тг 1, де індекс N означає кількість спостережень, реалізованих до цього кроку. [5]
Ітераційні процедури визначаються вибором об'єкта W (вибором моделі) та правилом побудови надлишкових зв'язків. Тут обговорюється одна з ітераційних процедур, що виникають при цьому. [6]
Ітераційна процедура вимагає додаткових витрат часу, проте повний час розрахунку можна скоротити, збільшивши розмір кроку h завдяки збільшенню точності чисельного алгоритму. На практиці достатньо двох ітерацій. [7]
Ітераційна процедура швидко сходиться і вимагає максимум 3 – 5 наближень. [8]
Ітераційна процедура у разі сходиться в лінійному наближенні зі швидкістю геометричної прогресії. Для процедури загального випадку рівнянь ( 27) збіжність не була розглянута. [9]
Ця ітераційна процедура реалізує ієрархічний метод оптимізації управління, який, як відомо зваріаційного обчислення, є працездатним за відсутності істотних обмежень управління. [10]
Далі ітераційна процедура повторюється. [11]
Псевдоградієнтна ітераційна процедура (3.48) коригує параметри блоків, що містять свердловини. Значення параметрів у блоках, що залишилися, виходять як результат інтерполяції. [12]
Ітераційна процедура визначення Т, PR полягає у наступному. [13]
Ітераційна процедура навчання з виправленням помилок через зворотний зв'язок підбирає індивідуальні ваги у векторах W / до тих пір, поки машина, що навчається, не почне класифікувати всі образи правильно. [14]
Запропонована ітераційна процедура дозволяє отримати допустимий квазіоптимальний план. [15]