Эксперимент — Гуманитарный портал

Эксперимент — это метод научного познания, при помощи которого исследуются явления реально-предметной действительности в определённых (заданных), воспроизводимых условиях путём их контролируемого изменения. Экспериментальное исследование относится к эмпирическим научным методам и представляет собой разновидность опыта, имеющего целенаправленно познавательный, методический характер. Эксперимент занимает ведущее место среди методов научного познания (см. Методы научного познания) и часто выполняет функцию критерия истинности научного знания в целом. В отличие от такого метода научно-практического познания как наблюдение (которое непосредственно связано с методом эксперимента), эксперимент осуществляется на основе теории (см. Теория), определяющей постановку задач исследования и интерпретацию его результатов. В эксперименте исследователь активно вмешивается в протекание изучаемого процесса с целью получить о нём определённые знания. Исследуемое явление наблюдается здесь в специально создаваемых и контролируемых условиях, что позволяет воспроизводить ход явления при повторении сходных условий. Создав искусственную систему, далее становится возможно осознанно (а иногда и неосознанно, случайно) влиять на неё путём перегруппировки её элементов, их элиминирования или замены другими элементами. Наблюдая при этом за изменяющимися следствиями, возможно раскрыть определённую причинную взаимосвязь между элементами и тем самым выявить новые свойства и закономерности изучаемых явлений. В ходе эксперимента исследователь не только контролирует и воспроизводит условия, в которых изучается объект, но и часто искусственно изменяет эти условия, варьирует их. В этом заключается одно из важных преимуществ эксперимента по сравнению с наблюдением. Изменяя условия взаимодействия, исследователь получает большие возможности для обнаружения скрытых свойств и связей объекта. Обычно контроль и изменение условий осуществляется за счёт использования приборных устройств, которые являются орудием воздействия наблюдателя на объект. Основные логико-практические элементы экспериментальной процедуры следующие: Постановка вопроса и выдвижение предположительного ответа. Создание экспериментальной установки, обеспечивающей необходимые исследователю условия взаимодействия изучаемого объекта. Контролируемое видоизменение этих условий. Фиксация следствий и установление причин. Описание нового явления и его свойств. Эксперимент как метод исследования возник в естествознании Нового времени (У. Гилберт, Г. Галилей). Впервые он получил философское осмысление в трудах Ф. Бэкона, разработавшего и первую классификацию экспериментов. До этого формы языка и рационально-предметной деятельности были одинаковыми и для вненаучной практики, и для науки, различаясь лишь по целевому использованию (это различение терминологически фиксируется противопоставлением практического эмпирическому), а специфика научного познания усматривалась в психологических аспектах деятельности учёного. Лишь после триумфа механистической картины мира (И. Ньютон), давшей естествознанию принципиально новую систему предметных средств — теорию в современном смысле этого понятия, — рационально-предметная деятельность в науке начинает опираться на теоретические средства — продукт своего собственного развития. Развитие экспериментальной деятельности в науке сопровождалось в теории познания борьбой рационализма и эмпиризма, по-разному понимавших соотношение эмпирического и теоретического знания. Преодоление односторонности этих направлений, развитие теоретической базы естествознания и смена господства механики сосуществованием различных теорий привели к тому, что не только средства, но и объекты эмпирического исследования начали выступать не в качестве непосредственно, эмпирически данных, а в качестве опосредованных развитием теории. Иными словами, объект включается теперь в эмпирическую деятельность в результате предшествующего развития теоретического знания и выступает в этой деятельности теоретически не познанным, фиксируемым эмпирическим языком для получения в дальнейшем теоретического результата. Современная наука (см. Наука) использует разнообразные виды эксперимента. Особенно велика его роль в естественных науках. В сфере фундаментальных исследований простейший тип эксперимента — качественный эксперимент, имеющий целью установить наличие или отсутствие предполагаемого научной теорией явления (см. Качество). Более сложен измерительный эксперимент, выявляющий количественную определённость какого-либо свойства объекта (см. Количество, Измерение). Нередко главной задачей эксперимента служит проверка гипотез научной теории (см. Гипотеза), имеющих принципиальное значение (так называемый решающий эксперимент). Ещё один тип эксперимента, находящий широкое применение в фундаментальных исследованиях — так называемый мысленный эксперимент (см. Эксперимент мысленный). Он относится к области теоретического знания и представляет собой систему мысленных, практически не осуществимых процедур, проводимых над идеальными объектами. Будучи теоретическими моделями реальных ситуаций, мысленные эксперименты проводятся в целях выяснения согласованности основных принципов теории. В области прикладных исследований применяются все указанные виды эксперимента. Их задача — проверка конкретных теоретических моделей. Для прикладных наук специфичен модельный эксперимент, который ставится на материальных моделях, воспроизводящих существ, черты исследуемой природной ситуации или технического устройства. Он тесно связан с производственным экспериментом. Для обработки результатов указанных экспериментов применяются методы математической статистики, специальная отрасль которой исследует принципы анализа и планирования эксперимента. В XX веке с развитием научного знания о социальных явлениях в связи с потребностями общественной практики, в частности в связи с потребностями совершенствования организации и управления обществом, всё большее значение начинают приобретать и  социальные эксперименты. Социальный эксперимент, будучи методом исследования, вместе с тем выполняет функцию оптимизации социальных систем (см. Общество). Он одновременно принадлежит и к сфере науки и к сфере социального управления, помогая проектировать и внедрять в жизнь новые социальные формы. Объект социального эксперимента, в роли которого выступает определённая группа или общность людей, является одним из участников эксперимента, с интересами которого необходимо считаться, а сам исследователь оказывается включённым в изучаемую им ситуацию. Содержание и процедуры социальных экспериментов обусловлены правовыми и моральными нормами общества. Основные характеристики экспериментальной стратегии, определяющей место и смысл разных (частных) видов эксперимента (исследовательский, проверочный, демонстрационный, качественный, решающий, модельный, мысленный), могут быть сведены к следующим: Эксперимент исследует изменение состояния наблюдаемого объекта в зависимости от изменяющихся условий его существования, он ищет за природными «субстанциями» схему функциональной зависимости, рассматривая их как примеры действия единого закона, одной «природы». Эксперимент становится методом познания, когда саму природу понимают как метод действия. Изменение условий в эксперименте строится как ряд последовательных приближений к предельному состоянию, как своего рода предельный переход. В эксперименте происходит выход за предметный (опытный) горизонт исходной теории в мир новых (мыслимых) сущностей и одновременно опытное открытие этих сущностей как предельных (парадоксальных) форм опыта. Поскольку в опыте видимое дано вместе с определённым образом видения и понимания, экспериментирование с предметом опыта преобразует и конструктивное воображение субъекта. Открывая новые объекты, эксперимент одновременно создаёт соответствующую им способность видения экспериментатора, то есть субъекта познания. Эксперимент устремлён к пределу, в котором исследуемое явление выступает в «чистом виде», изолированно. Преобразующее действие эксперимента направлено к разделению сложной системы взаимодействий с целью выделить, изолировать элементарную связь причина-действие и, далее, — свободное от действий (инерциальное) бытие объекта. Идея предельной изоляции свободного состояния и элементарного взаимодействия определяет эксперимент как процедуру идеализации, как предельный переход к мысленному эксперименту с идеальными объектами (к которым только и относятся утверждения теории). Эксперимент весьма далёк от какого бы то ни было натурального наблюдения. Специальными техническими средствами эксперимент создаёт условия, максимально приближённые к идеальным (абсолютная пустота, абсолютно твёрдое тело, идеальный газ, силовые линии электромагнитного поля, простой рефлекс, социальный тип, чистая фонема и другие). Вместе с тем он указывает путь «реализации» идеального — реальной интерпретации идеальных (теоретических) событий и причинного объяснения реальных явлений. Всякий реальный эксперимент имеет смысл только в горизонте мысленного эксперимента с  идеальными объектами. Точно так же и всякий теоретический конструкт (см. Конструкт) получает смысл реального понятия лишь в качестве идеального проекта реального эксперимента. Мысленный эксперимент в специальном смысле, то есть принципиально нереализуемый, воображаемый эксперимент, лишь обнаруживает внутреннюю экспериментальность самого теоретического мышления. Воспроизведение реального события в идеальном пределе предполагает исключительные, искусственно созданные условия эксперимента. Поскольку же идеализация в эксперименте устремлена к выявлению элементарных действий (как причин и как следствий), эксперимент находит опору в технике (см. Техника). Экспериментальная наука делается в лабораториях. Эксперимент рассматривает технику как форму открытия сущностных законов природы и заранее открывает природу как возможную технику. Экспериментальная техника (метод) однородна с воспроизводимым явлением (предмет), она представляет собой звено, через которое теоретическое открытие становится техническим изобретением, а достижения техники позволяют продвинуться в исследованиях. Фундаментальные исследования являются и наиболее техноёмкими, и наиболее технически эффективными. Однородность технического средства и исследуемого предмета в эксперименте сказывается в том, что теоретическое открытие сразу же приводит к совершенствованию экспериментальной техники. В экспериментальной установке, построенной на базе теории, последняя утрачивает характер объектности, объективной картины мира, приобретая форму инструмента исследования, направленного на мир. Она совершенствует орудийную оснащённость экспериментатора. В форме эксперимента теоретическое знание вновь выталкивает мир из его «объективной» картины как непознанный и бесконечный в себе предмет. Неклассическая физика XX века (релятивистская и квантовая механика) обнаруживает внутренние ограничения эксперимента как метода познания. Принципы наблюдаемости, неопределённости, дополнительности фиксируют неустранимое участие познавательного действия в определении бытия познаваемого «объекта» (то есть его не-объектность). Намечается существенно новое понимание бытия — бытие-событие, бытие-возможность (онтология виртуальности), новая идея разума, архитектонически отличного от разума объективно познающего, и соответственно новое, неэкспериментальное понимание опыта.

Эксперимент модельный — Энциклопедия по экономике

При знаковом (формализованном) моделировании моделями служат знаковые образования какого-либо вида схемы, графики, чертежи, формулы и т. д., причем знаковые образования и их элементы всегда задаются вместе с законами, по которым можно оперировать с ними. Важнейшим видом знакового моделирования является математическое моделирование, осуществляемое средствами языка математики и логики. Поскольку все изложение, следующее далее в этой книге, будет посвящено математическим моделям, мы не будем сейчас рассматривать эти модели подробно и сразу перейдем к другому типу идеальных моделей — к моделям интуитивным. При интуитивном моделировании не используют четко фиксированных знаковых систем оно протекает, как принято говорить, на модельном уровне . Такое моделирование часто встречается в тех областях науки, где познавательный процесс находится еще на начальной стадии. Например, в физике, несмотря на всю ее строгость, в областях, находящихся на границе возможной формализации, с успехом применяются исследования на основе интуитивных моделей. Такие исследования принято называть мысленными экспериментами .  [c.23]

Модельный эксперимент (и имитационный в том числе) имеет более сложную структуру (рис. 34). Новыми обозначениями здесь являются МО — модель объекта, ТО — теоретические представления об объекте, ТМ — теоретические представления о модели. Экспериментатор строит модель объекта в соответствии с теоретическими представлениями об объекте. Этот переход от объекта к его модели  [c.235]

Таким образом, главное отличие модельных экспериментов от натурных состоит в переходе от изучаемого объекта к его модели, а затем — от модели к изучаемому объекту. На этом, с одной стороны, основаны преимущества модельного исследования с другой стороны, это создает дополнительные трудности.  [c.236]

Тем не менее имитационные эксперименты обладают огромным преимуществом они позволяют провести модельный эксперимент с такими объектами, с которыми натурные эксперименты неосуществимы либо принципиально, либо по экономическим или этическим соображениям. Принципиально неосуществимы, например, эксперименты с прошлым. Из экономических соображений нельзя проводить натурные эксперименты с различными вариантами управления экономикой страны. Из этических соображений неосуществимы многие эксперименты с участием людей. В тех же случаях, когда натурные эксперименты возможны, имитация позволяет значительно уменьшить затраты на исследование. Другим преимуществом имитационных экспериментов является возможность значительно сократить продолжительность исследования, что во многих случаях имеет принципиальное значение.  [c.237]

Основные этапы исследования экономических процессов на основе их математических моделей были кратко описаны в первой главе книги. Сейчас мы снова вернемся к ним, рассмотрев их с позиций имитационного эксперимента. Это позволит читателю, с одной стороны, более подробно изучить этапы модельного (в данном случае — имитационного) исследования, и, с другой стороны, лучше оценить особенности проведения прикладных имитационных экспериментов.  [c.238]

Далее идет этап построения модели. В имитационном эксперименте, кроме обычных для модельного исследования формулировки модели и оценки ее параметров, важную роль играют выбор языка программирования на ЭВМ, создание специальных машинных средств, необходимых для проведения имитационного исследования, а также проверка модели.  [c.239]

До сих пор мы говорили о достоинствах фундаментального имитационного исследования, которое в значительной степени помогает обойти трудности, связанные с натурным экономическим экспериментом. В то же время имитационные эксперименты имеют один существенный недостаток будучи модельным, т. е. теоретическим исследованием, они не могут дать ответа на вопрос о верности проверяемых гипотез. Такой ответ может дать, как мы уже говорили, только продолжительная практическая реализация решений, основанных на этих гипотезах. Это ограничение, однако, не умаляет достоинств модельных исследований, поскольку они могут успешно использоваться для доказательства ошибочности многих произвольных гипотез, получивших широкое распространение при построении экономико-математических моделей.  [c.294]

Применить к уравнениям системы обычный и косвенный методы наименьших квадратов. Сравнить полученные оценки. Сравнить полученные регрессионные уравнения с модельными (12.1)— (12.2). Повторить эксперимент несколько раз.  [c.288]

Кроме того, наука имеет в своем распоряжении такой испытанный метод, как модельный эксперимент (см.  [c.420]

Мы постараемся в этой статье более пристально рассмотреть те вопросы, которые при экспериментах с макроэкономическими производственными функциями, как правило, представляются гораздо менее важными по сравнению с получением статистически удовлетворительных оценок параметров функции. Это вопросы типа что взять в качестве измерителя выпуска — валовой внутренний продукт или национальный доход Что будет, если труд считать воспроизводимым в модели ресурсом Споры, все еще продолжающиеся вокруг аппарата производственных функций, неизменно затрагивают проблему распределения доходов по предельным продуктам живого и овеществленного труда. Имеет ли место такое распределение в действительности Существует ли в реальной экономике непосредственная связь между величинами предельных производительностей и ценами на единицу соответствующих ресурсов Именно эти вопросы находятся в центре полемики. Нам представляется, что ответ на них должен быть отрицательным уже потому, что в реальной экономике есть лишь цены ресурсов, в то время как их предельные производительности — понятие исключительно модельное, предполагающее строго фиксированную цель развития, а потому не имеющее однозначно измеряемого аналога в реальности.  [c.50]

РЕГРЕССИОННЫЙ АНАЛИЗ И УПРАВЛЕНИЕ МОДЕЛЬНЫМ ЭКСПЕРИМЕНТОМ  [c.242]

Эксперимент в экономике способствует проникновению в сущность изучаемых явлении, т. е. построению и проверке научных теорий. Правда, здесь поставить его сложнее, чем, например, в физике, потому что экономисту почти никогда не удается выделить явления в чистом виде и отвлечься от случайных, посторонних воздействий. Тем не менее с помощью специальных приемов постановка экономического эксперимента в реальных условиях возможна. Кроме того, наука давно имеет в своем распоряжении такой испытанный метод, как модельный эксперимент.  [c.35]

Модельные эксперименты упрощенно отражают реальные экономические процессы однако у них есть то преимущество, что они позволяют многократно воспроизводить те или иные экономические ситуации.  [c.36]

Отсутствует теоретико-модельный анализ результатов эксперимента, который должен включать разработку альтернативных объяснений результатов эксперимента для того, чтобы планировать экспериментальные процедуры, исключающие влияние артефактов разработку и построение статистических моделей для сравнения показателей экспериментальной группы с показателями контрольных групп, и на этой основе корректировать планы экспериментальных процедур с целью повышения точности и надежности результатов эксперимента.  [c.7]

Концептуально аппарат математической теории планирования эксперимента ориентируется на две основные постановки задачи, различающиеся целевой направленностью. Так, если целью исследования является максимизация полезного эффекта в операции при ограничениях на затраты активных ресурсов, а сам полезный эффект модельно выражается, например, стремлением к обеспечению максимума выходного результата, то задача установления оптимальных параметров управления операцией сведется к стремлению максимизировать выходной результат при ограничениях на затраты. По такой схеме формулируется, например, задача как можно более точного воспроизведения «механизма ситуации» при ограничении затрат на моделирование. Альтернативная задача — задача, в которой целью ЛПР является стрем-  [c.118]

При использовании принципа экономико-математического моделирования многократно могут быть уменьшены материальные и трудовые затраты, присущие экспериментальным подходам, дающим, как правило, лишь крупицы нужной информации. Вычислительный модельный эксперимент не подвластен каким-либо ограничениям — математическая модель может быть безопасно испытана в любых мыслимых и немыслимых условиях.  [c.12]

После анализа событий выбирается наиболее раннее и модельное время продвигается до момента наступления этого события. При этом считается, что состояние системы не изменяется между двумя соседними событиями. Затем определяется реакция системы на выбранное событие, в частности определяется характер и момент наступления нового особого состояния (события), и т. д. Процедура повторяется до завершения периода моделирования Т. Данный принцип называют принципом особых состояний . Модель в этом случае работает, перепрыгивая от одного события к другому, значительно экономя машинное время моделирования. Очевидно, что между реальным временем и временем работы модели в процессе имитации функционирования исследуемой системы нет ничего общего. Поскольку имитационный эксперимент выполняется на ЭВМ, как правило, с очень высоким быстродействием, время работы модели весьма незначительно (минуты). Такое отражение в ЭВМ реального процесса называют сжатием времени , преимущества которого становятся очевидными, если попытаться получить эту же информацию, используя реальную моделируемую систему.  [c.83]

Было бы большой ошибкой рассматривать стресс-тестирование как чисто модельный эксперимент, единственной целью которого является прогноз будущих убытков. Скорее, его можно уподобить учебной тревоге, в ходе которой проверяется готовность всех элементов и структур организации к наступлению кризисной ситуации. Пессимистический сценарий может не реализоваться на практике именно потому, что заранее были приняты меры предосторожности и устранены хотя бы некоторые узкие места , а это позво-  [c.596]

Основной причиной, диктующей необходимость такого подхода является высокая сложность и трудоемкость решения поставленных задач. Преодоление существующих методологических проблем теории управления запасами и оценки временных рядов требуют использования сценарных вариантов модельного эксперимента, что обуславливает тщательное изучение конкретных особенностей реального предприятия.  [c.216]

Отметим также, что программа моделирования позволила дополнительно установить функциональные связи между параметрами системы управления запасами и информационными параметрами системы внутренней отчетности и осуществить выбор рабочих значений параметров последней из систем, обеспечивающих минимально-допустимую ошибку оценки состояния запасов при различных значениях внешних факторов. Кроме того, в ходе модельного эксперимента был получен качественно важный вывод о том, что влияние задержки информации о состоянии запасов на качество управления запасами в условиях раздельного действия основных внешних факторов случайной природы (поставки и спроса) с идентичными вероятностными характеристиками равнозначно в статистическом смысле и в среднем не зависит от абсолютных значений моментных характеристик этих факторов (математического ожидания и дисперсии). Данный результат позволяет упростить процедуру исследований и синтеза СУ запасами в той ее части, которая относится к фильтрации случайных воздействий, т.е. при выборе рационального значения страхового запаса г. Одновременно, данный вывод можно распространить и на решение задачи выбора допустимой задержки информации о продажах, если при этом выполняется условие равенства объемов страхового запаса.  [c.219]

Во всех предыдущих параграфах главы, посвященной имитационным экспериментам, описывались прикладные имитационные исследования, цель которых состояла в решении какой-либо конкретной экономической задачи, связанной с прогнозированием или выбором наилучшего решения о воздействии на анализируемую в исследовании экономическую систему. При этом предполагалось, что уже разработаны принципы построения математических моделей для экономических объектов, к которым относится изучаемая система. Что же делать в том случае, когда нет достаточно хорошего представления о некоторых процессах, важных с точки зрения цели исследования В этом случае можно попытаться описать эти процессы моделями типа черного ящика , т. е. заменить причинное описание некоторыми статистическими закономерностями. Такой подход чаого применяется в экономико-математических моделях (см., например, анализ механизма экономического стимулирования, описанный в пятом параграфе третьей главы). Если же обойти таким образом описание недостаточно изученных вопросов не удается, то прикладное модельное исследование проводиться не может, так как в имитационном эксперименте из-за неадекватности математической модели будут получены результаты, не соответствующие реальности. В этом случае необходимо предварительно осуществить фундаментальные исследования, направленные на разработку принципов построения моделей явлений, интересующих исследователя. Подчеркнем, что фундаментальные исследования — это долгая и сложная работа, которая не может быть осуществлена попутно, в прикладном исследовании.  [c.292]

В экономических исследованиях ситуация принципиально иная. Разработаны отдельные математические модели, применимость которых изучена мало или не изучена вообще, а о стройной системе обоснованных моделей и говорить не приходится. Более того, практически еще совсем не разработаны сами принципы проверки адекватности моделей и методов — а ведь в экономике эта задача является значительно более сложной из-за отсутствия возможности проведения натурного эксперимента. Поэтому явно недостаточное внимание к этой проблеме является удручающим. Все же в последнее время число исследований, посвященных этой теме, несколько увеличилось, так что можно надеяться, что в ближайшие годы работы данного направления получат более широкий размах, в результате чего не в столь отдаленном будущем будут разработаны обоснованные принципы моделирования экономических объектов, т. е. будет создан фундамент, на котором будет построено здание адекватных и взаимно согласованных математических моделей экономических процессов, аналогичное зданию математических моделей природных явлений. Этот оптимизм основывается на том, что уже сейчас имеется определенное понимание необходимости разработки общих принципов построения экономических моделей и превращения их в единую систему. Сегодня очень важно, чтобы это понимание было доведено до широкого круга специалистов, связанных с практическим использованием математических моделей и методов в экономических расчетах,— ведь именно они сталкиваются с трудностями, возникающими при внедрении математических методов в экономический анализ. Поэтому нужны учебные пособия, основанные не столько на прагматической или математической точке зрения, сколько на общем фундаменте — на теории математических моделей экономических процессов. Попытка написать такой учебник была предпринята в конце семидесятых годов 10. П. Иваниловым и Л. В. Лотовым ), которые в своей книге реализовали модельный подход к проблемам использования математических методов в экономике. Книга вызвала определенный интерес читателей. В настоящее время она широко используется в различных учебных заведениях, а также для самообразования. Все же, когда возник вопрос о  [c.8]

Модельные эксперименты упрощенно отображают реальные экономические процессы, однако у них есть преимущество, что они позволяют многократно воспроизводить те или иные экономические ситуации. Такими же свойствами обладают эксперименты, которые можно было бы назвать человеко-моделъными при них экономическое поведение людей изучается в искусственных, лабораторных условиях. Это, в частности, деловые игры. Пример постановки такого Э.э. см. в ст. «Олигопольные эксперименты «.  [c.420]

Идеи планирования целенаправленного поведения на основе прежнего опыта легли в основу таких понятий, как акцептор действия П. К. Анохина, принцип физиологии активности Н. А. Бернштейна [10]. Удобным объектом для выяснения роли программирования в целенаправленном поведении у животных и у человека является система управления движениями глаза. Проведенные эксперименты показали, что для данного углового расстояния аремя и скорость скачкообразного движения глаз строго постоянны. Эти факты свидетельствуют о том, что скачкообразные движения глаз являются реализацией заранее сформированной в нервной системе программы. При этом выявляется четкая зависимость между начальной скоростью скачка глаз и его амплитудой— по мере увеличения начальной скорости скачка его амплитуда увеличивается. Модельное представление этого процесса рассмотрено в [98].  [c.32]

Однако, несмотря на то что в большинстве случаев существующие математические схемы не в состоянии описать достаточно полно сложные экономические объекты, их значение велико. Они позволяют, используя имитационный подход, снимать с себя значительное число ограничений, накладываемых тем или иным математическим аппаратом путем подмены в необходимых случаях аналитических выражений модельным экспериментом. Таким образом, сохраняя стройность той или иной математической схемы, имитационный эксперимент в необходимых случаях разрешает проблемы, не разрешимые в рамках данного математического подхода. В частности, при имитационном моделировании СМО снимаются требования орди-  [c.249]

Полиэтилен. Гранулированный полиэтилен низкого давления применяется для изготовления моделей и модельных элементов способом литья в пресс-формы. Изделия з полиэтилена прочны, эластичны упруги, поэтому обеспечивается достаточно плотная посадка в соединениях шкантовой и седловой конструкций. Способом экструзии из полиэтилена низкого давления ь порядке эксперимента изготавливались также модельные трубки. Однако они оказались недостаточно жесткими [c.214]

Одним из новых путей высокоэкономичного производства электроэнергии, особенно перспективного для создания мощных электростанций, является магнито-гидродинамический (МГД) метод преобразования тепла в электрическую энергию. Важное преимущество этого метода состоит в том, что к. п. д. мощных электростанций с МГД-генераторами могут достигать 50—55%. Как сообщалось в печати, эксперименты на комплексной модельной энергетической установке в СССР позволили разработать инженерную методику расчета основных агрегатов электростанции нового типа, экспериментально исследовать и отработать основные узлы и агрегаты электростанций с МГД-генератором. Это дало возможность спроектировать и приступить к строительству крупной энергетической установки полупромышленного типа с МГД-генератором мощностью 25 тыс. кет.  [c.224]

Какими способами можно добыть необщедоступную информацию Ответ на этот вопрос зависит от причин «необщедоступности» информации. Например, если специальных мер по сокрытию информации никто не предпринимает, ЛПР может получить недостающую ему информацию путем организации и проведения натурного или модельного эксперимента. Если же информация скрывается намеренно, ЛПР потребуется прибегнуть к помощи разведки, перехвату сведений и данных, расшифровке информации или применить какие-то другие специальные приемы. Разведка или спецсредства — это дело особенное и дорогое. Однако и натурный эксперимент тоже недешев. Особенно, если эксперимент масштабный и проводится в условиях действия неоднозначного «механизма ситуации». Чтобы сэкономить ресурсы, ЛПР следует прибегнуть к математическому экспериментированию (эксперименту с математической моделью). Строгое научное планирование такого эксперимента поможет количественно установить его параметры, оптимальные в отношении эффективности будущих решений и действий ЛПР. Однако пока аппарат математической теории планирования эксперимента не является достаточно совершенным. В основном он ориентирован на исследование случайных «механизмов ситуации».  [c.118]

Кратко охарактеризуем первые два, основываясь на подходе этапа И. В. Максимея [32] (изложение методов математической теории планирования эксперимента, организации проведения модельных расчетов и обработки их результатов выходят за рамки настоящего учебника).  [c.401]

МОДЕЛЬНЫЙ ЭКСПЕРИМЕНТ — Студопедия

Когда прямой эксперимент невозможен или затруднен (например, экономически невыгоден), то прибегают к Модельному эксперименту. В модельном эксперименте исследуется не сам объект, а его модель.Это обычно материальная модель. С введением модели структура эксперимента усложняется. Усиливается теоретическая сторона исследования (т. к. необходимо обосновать отношения подобия между моделью и объектом, а затем экстраполировать на этот объект полученные данные.

Метод экстраполяции =перенос знаний с одной предметной области на другую (ненаблюдаемую, неизученную). Его функция – оптимизация процесса познания (НАПРИМЕР, МЫ МОЖЕМ ОПРЕДЕЛЯТЬ ЗАКОНОМЕРНОСТИ В ОДНОМ ВИДЕ И ПЕРЕНОСИТЬ ИХ НА ДРУГИЕ ВИДЫ).Процедура переноса знаний (лишь частично самостоятельна) входит в такие методы, как индукция, аналогия, моделирование, математическая гипотеза, статистические методы и т. д.

Факты

НАБЛЮДЕНИЕ, ИЗМЕРЕНИЕ, ЭКСПЕРИМЕНТ, МОДЕЛЬНЫЙ ЭКСПЕРИМЕНТ дают ФАКТУАЛЬНОЕ ЗНАНИЕ О МИРЕ.

Но! Термин «факт» (от лат. «сделанное, свершившееся») неоднозначен. Это может быть:

· совокупность фактов – эмпирическая основа для выдвижения гипотез

· факты имеют решающее значение в опровержении или подтверждении теории

СОС: идея позитивизма: факт как нечто, абсолютно независимое от теории. Это фактуализм.

СДС: наука никогда не имеет дело с «чистыми фактами» (Бор, Эйнштейн). Информация, собранная эмпирическими методами, не может быть прямо введена в корпус научного знания. Она нуждается в интерпретации, которая исходит из определенных теоретических предпосылок. Перед нами зависимость фактов от теории =). При смене теорий происходит изменение всего фактуального базиса науки. Это уже идея неокантианцев, постпозитивистов. Это теоретизм.

Это две крайние тенденции: верное решение в том, что научный факт, обладая теоретической нагрузкой, относительно независим от теории, поскольку в своей основе он детерминирован материальной действительность.

А. Уайтхед отмечал, что научное познание представляет собой соединение двух слоев. Один слой складывается из непосредственных данных, полученных конкретным наблюдением. Другой – наш общий способ постижения мира. Это слой наблюдения или Концептуальный слой Причем первый всегда интерпретируется вторым.

Факт науки имеет свою структуру:

Объективная оставляющая (реальные процессы, события, структуры). Это исходная основа

2. Информационная составляющая (фиксирует конкретную информацию)

3. Практическая детерминация факта (обусловленность факта существующими в данную эпоху возможностями наблюдения)

4. Когнитивная детерминация факта (зависимость от исходной теории)

*Факты должны быть эмпирически истинными, т. е. их истинность устанавливается опытным путем. Должно быть обобщение = обработка некоторого множества данных.

Как знание научные факты отличаются:

СОС (с одной стороны): высокой степенью истинности, вероятности, поскольку в них фиксируется «непосредственное данное». *Факт дискретен, т. е. он состоит из нескольких частей, принадлежит определенному времени и пространству. Он очищен от случайностей.

СДС (с другой стороны): факт еще и относителен, релятивен, т. е. он способен к дальнейшему уточнению

Чтобы получить факты, важны научные предпосылки, особенно в естествознании (там факты, как правило, уже сразу предстают в «теоретических одеждах». Там используются приборы, где уже заложены теоретические схемы.

Эксперименты модельные — Энциклопедия по машиностроению XXL

Модели типа систем твердых тел в настоящее время являются наиболее широко используемыми. Эти модели целесообразно применять в случае, когда необходимо прогнозировать поведение сыпучей среды за областью эксперимента или предсказать поведение характеристик, трудно измеряемых в эксперименте. Модельное представление является основой для наиболее правдоподобных прогнозов в новых областях. Это представление имеет и свои недостатки — большая трудоемкость получения практических рекомендаций, так как приходится решать систему дифференциальных уравнений.  [c.91]
Параметры о, 6, с и с/ в формуле (4.67) определяются из экспериментов (модельных и натурных), при которых получают зависимость /р от ступенчато изменяющейся скорости  [c.106]

При изучении воздействия звукового удара на сооружения и отдельные элементы ограждающих конструкций широко используют модельные и натурные эксперименты. Модельные эксперименты проводят в ударных трубах и специальных имитаторах звукового удара. Ударная волна в имитаторах генерируется либо последовательным взрывом двух точечных зарядов со сдвигом по времени, равным продолжительности звукового удара, либо взрывом распределенного по длине трубы набора зарядов ВВ, обеспечивающим заданный профиль iN-волны. В таких устройствах проводят испытания моделей или отдельных элементов, например оконных стекол.  [c.100]

Таким образом, условием подобия процессов гидродинамики и теплообмена при охлаждении шаровых твэлов будет, помимо геометрического подобия и температурного фактора, равенство трех критериев Re, Nu и Рг — модельного эксперимента и натурного явления. Хотя критерий Re является мерой сил инерции и трения потока теплоносителя, его применяют также и для  [c.47]

В настоящее время проведены исследования на стенде с расходом угля 135 кг/ч и построена модельная установка, содержащая все элементы схемы, на расход угля 550 кг/ч, на которой изучались закономерности псевдо-ожиженного слоя, поведение угля, удаление серы и твердых частиц, загрязнение генераторного газа, его горение и действие на ГТУ. В экспериментах использовался ряд углей и продуктов их переработки (кокс и полукокс) с широким спектром свойств, в том числе с различной тенденцией к спеканию. Содержание золы в них варьировалось в пределах 2—13%, летучих—5—4, углерода— 38— 83%. Размер частиц составлял 200—1200 мкм.  [c.30]

В этой вводной главе прежде всего необходимо ввести основные определения и охарактеризовать свойства рассматриваемых волн оптического диапазона. Изложение начинается с анализа уравнений Максвелла и вытекающего из них волнового уравнения. При этом отмечается, что система уравнений Максвелла является следствием законов электрического и магнитного полей, обобщенных и дополненных гениальным создателем этой теории. Таким образом, сразу вводится понятие электромагнитной волны, возникающей в качестве решения волнового уравнения, и проводится рассмотрение ее свойств. При этом выявляется кажущееся противоречие между результатами экспериментальных исследований и решением волнового уравнения в виде монохроматических плоских волн. Данная ситуация может быть понята с привлечением принципа суперпозиции и спектрального разложения, базирующегося на теореме Фурье. В рамках этих представлений можно истолковать особенности распространения свободных волн в различных средах и определить понятия энергии и импульса электромагнитной волны, формулируя соответствующие законы сохранения. Рассмотрение излучения гармонического осциллятора, которым заканчивается глава, позволяет принять механизм возникновения излучения, облегчает модельные представления о законах его распространения и открывает возможность рассмотрения более сложных условий эксперимента, которое проводится в последующих главах.  [c.15]

Мы изложили схему довольно сложных расчетов, объясняющих механизм естественного вращения плоскости поляризации света некоторыми веществами. Для наглядной иллюстрации проведенных расчетов обратимся к модельному эксперименту (рис.4 15).  [c.159]

Морфологическое сходство микроструктур и структур, полученных при помощи модельных экспериментов, указывает на адекватность методов, применяемых при моделировании начальных стадий роста макроструктуры.  [c.191]

Математическая модель машины или аппарата отражает их рабочие процессы с известным приближением. Расчетные соотношения, входящие в математическую модель, как правило, отражают закономерности отдельных явлений, составляющих рабочий процесс, без учета взаимного влияния. Например, формулы для определения гидравлического сопротивления различных участков гидравлического тракта получены на основе экспериментов в идеализированных условиях (равномерное поле скоростей на входе, однородное температурное поле, отсутствие внешних возмущений и т. д.). В реальных конструкциях эти условия не соблюдаются. Поэтому иногда при разработке нов ых конструкций прибегают к техническому моделированию устройств, когда до постройки машины или аппарата их отдельные качества или итоговые характеристики изучаются на моделях в лабораторных условиях. Например, при продувке уменьшенных моделей самолетов или автомашин в аэродинамических трубах можно выявить их сопротивление движению и зависимость этого сопротивления от формы их отдельных элементов, устойчивость машины при дв ижении и режимы, опасные с точки зрения потери устойчивости, и т. д. Таким образом, техническое моделирование представляет собой разновидность экспериментального исследования, при котором изучаются характеристики рабочего процесса конкретной машины или аппарата на модельной установке.  [c.23]

Если для сопоставления формулы (6.56) с результатами экспериментов использовать значения п, определяемые по опытным кривым роста пузырьков, то, как следует из рис. 6.15, указанная формула хорошо согласуется с опытными данными. На рис. 6.15 приведены результаты большого числа экспериментальных работ, в которых исследовалось кипение различных жидкостей (вода, этанол, метанол, толуол, ацетон, четыреххлористый углерод, калий) при давлениях, не выше атмосферного. Как видно из рисунка, подавляющее большинство опытных точек лежит в полосе 40 % от расчетной кривой, хотя следует отметить, что над кривой оказалось заметно больше точек, чем под кривой. Однако с учетом фактического отличия формы пузырька от модельной (согласно рис. 6.14, 5) согласование расчетной кривой и опытных данных следует считать удивительно хорошим.  [c.282]

Основная идея теории подобия заключается в том, что первое частное решение явления (искомую закономерность) получают экспериментально на модели, а результаты представляют в критериальном виде, что позволяет легко и быстро получать данные для других явлений, подобных модельному. Теория подобия дает общие методические указания по выбору величин, измеряемых в опыте, по обработке полученных результатов, но обобщению результатов эксперимента на другие явления, подобные исследованному, а также позволяет рассчитать и построить модель, подобную натуре.  [c.80]

В случае отсутствия подходящего модельного насоса натурный насос рассчитывается заново. При этом возникает необходимость в его экспериментальной доводке. Особенно большая экспериментальная работа должна быть проведена при разработке мощных насосов, к технико-экономическим показателям которых предъявляются повышенные требования. Для удешевления и упрощения эксперимента его производят над моделью, значительно меньшей натурного насоса. Теория подобия дает возможность, испытав модель проектируемого насоса и пересчитав результаты опытов, предсказать свойства создаваемого насоса.  [c.148]

При обсуждении математических свойств критерия разрушения особо подчеркивается, что любая формулировка феноменологического критерия не является единственной единственность представляет собой следствие модельного способа построения критерия и не может проистекать из сформулированных выше основных принципов. Короче говоря, в рамках феноменологического подхода к проблеме разрушения результаты экспериментов можно использовать ие как средство обоснования той или иной теории разрушения, но лишь как подтверждение рациональности планирования эксперимента и как способ исследования адекватности полученного критерия исходной модели.  [c.460]

При обсуждении статистики экстремальных значений и определении поведения прототипа по данным для модели мы предполагали, что распределение плотности не зависит от размера тела, т. е. для одних и тех же объемов материала, взятых из прототипа и модели, плотность распределения дефектов будет одинаковой. Для реальных материалов это ни в коем случае не должно предполагаться. Процесс изготовления больших деталей часто существенно отличается от процесса для малых деталей, что приводит к различной микроструктуре и разному распределению дефектов. Эту возможность нужно всегда иметь в виду и следовало бы проводить некоторые эксперименты на модельных образцах, взятых непосредственно из исходных конструкций, чтобы сравнить с данными для обычных модельных образцов.  [c.173]

Методика модельного эксперимента. Экспериментальная установка. Исследования проводились на модельной установке, созданной на базе маятникового копра [1]. На массивном основании установлены две боковые стойки, в которых с помощью подшипников качения крепится ось вращения. На оси подвешен маятник, к которому жестко крепится молот с полусферическим индентором. Положение маятника (угол отклоне-  [c.127]

В табл. 14 приведены три варианта масштабных коэффициентов перехода от модели к натуре для параметров режима удара, полученные при различных начальных условиях. Многообразие параметров, влияющих на процесс теплообразования при ударе, не дает возможности учесть масштабные коэффициенты для всех параметров. Особенные трудности возникают при учете масштабных коэффициентов перехода параметров, характеризующих физико-механические свойства контактирующих материалов. Модельные и натурные испытания для настоящей работы проводили на одинаковых материалах (сталь 45, закалка, средний отпуск, HR 38—42), поэтому учет тепло-физико-механических свойств модели и натуры нецелесообразен ввиду их автомодельности. Точность моделирования может снизиться, но эксперименты показали, что она достаточна.  [c.154]

Накопление знаний и проведения модельных экспериментов может производиться в двух режимах диалог с машиной один на один или диалог типа деловой игры с участием (безучастия) машины как одного из партнеров.  [c.69]

Современные результаты численного моделирования говорят о том, что средняя глобальная температура земной поверхности может увеличиться примерно на 1°С к концу века и на 2—3°С к середине следующего столетия (погрешность модельной оценки приблизительно равна двум), однако ожидается, что повышение температуры воздуха в полярных областях будет в несколько раз больше это предположение основывается как на экспериментах с теоретическими моделями, так и на исследованиях реальных атмосферных изменений в прошлом. Подобное потепление в полярных областях могло бы привести к изменению интенсивности снегопада, поскольку более теплый воздух содержит больше влаги, а значит, за время полярной зимы выпадет больше снега и этот снег быстрее растает весной. Не исключено, что ледяной покров Северного Ледовитого океана начнет уменьшаться, оставляя все больше открытой воды у северных берегов СССР, Аляски и Канады недавние теоретические исследования на модели морских льдов показали, что к середине XXI в. полярный лед может исчезнуть полностью или, по крайней мере, будет каждое лето полностью таять.  [c.34]

Учреждения ВМС США проявляют все возрастающий интерес к проблемам коррозии разрушения материалов, используемых в глубоководной технологии. Эти процессы в значительной степени связаны с деятельностью микроорганизмов, обитающих в морских средах. Лаборатория прикладных исследований ВМС США провела коррозионные испытания различных металлов (и органических материалов) на глубине 1370 м около Багамских островов. При этом преследовались три цели получить необходимые данные об общей коррозии различных металлов на больших глубинах исследовать коррозионноактивные микроорганизмы в продуктах коррозии, донных отложениях п морской воде получить коррозионные данные для оценки надежности результатов модельных экспериментов, имитирующих глубоководные условия, проведенных в лаборатории.  [c.435]

В модельном эксперименте изменение диагностических параметров квазистационарной и спектральной модели нестационарного турбулентного течения производилось в результате целенаправленного изменения геометрических соотношений, характеризующих входной патрубок насоса. Для входного патрубка насоса, изображенного на рис. 3, а, различные сочетания геометрических соотношений достигались путем изменения диаметра камеры Z) входного D, ж выходного диаметров, изменение  [c.106]

Рассматривается задача оценки параметров линейных и нелинейных дифференциальных уравнений, описывающих колебания механических систем, в условиях проведения наиболее чистого (модельного) эксперимента [1—4]. Параметры оцениваются с помощью процедур метода динамических испытаний [3—4].  [c.51]

При теоретической ясности метода динамических испытаний [3—4] возможности его были к настоящему времени недостаточно полно продемонстрированы в условиях эксперимента. Настоящая работа была выполнена с целью проверки сформулированных ранее (см. [3]) теоретических положений в условиях чистого модельного эксперимента.  [c.51]

Рассматривается вопрос оценки параметров уравнений движения механических систем, т. е. решение задачи идентификации в условиях наиболее чистого (модельного) эксперимента. Оценка производится с помощью процедур метода динамических испытаний.  [c.181]

На фиг. 6. 5 показаны осциллограммы напряжений на поверхности вала модельной установки с двумя симметрично расположенными дисками при переходе через первую (а) и вторую (б) критические скорости. Колебания напряжений вызваны собственным весом, средние же отклонения — действием неуравновешенности. Эксперимент подтверждает тот факт, что прогибы и опорные реакции гибкого ротора с сосредоточенными массами так же, как и у ротора с распределенной массой при изменении скорости вращения, изменяются не только по величине, но и качественно. Следовательно, методика, разработанная для уравновешивания жестких роторов, не пригодна при уравновешивании гибких роторов. Необходимо выяснить вопрос о возможности такого уравновешивания гибких роторов с помощью ограниченного числа грузов, при котором полностью будут устранены динамические реакции в опорах на широком диапазоне скоростей и оптимально снижены изгибающие усилия в роторе.  [c.199]

И проектировщик, и конструктор прибегнут к арсеналу формул, позволяющих с приемлемой точностью произвести необходимый расчет. Но ведь формулы получены из эксперимента. Даже в тех случаях, когда чисто аналитическое рассмотрение процесса приводит к расчетной зависимости, для приобретения прав гражданства необходима ее практическая проверка, и первым погранпо-стом на ее пути становится лабораторный эксперимент. Важно также добавить, что во всех случаях нужен не просто эксперимент, а эксперимент модельный, т. е. тот, который моделирует изучаемое явление, результаты которого можно распространить на натурные процессы.  [c.102]

Несмотря на значительные расхождения между экспериментальными и расчетными данными (рис. 3.11), выражение для конвективной составляющей коэффициента теплообмена в ряде случаев [75, 76, 78, 88] довольно успешно описывает экспериментальные данные. Это позволило провести ряд специальных опытов, направленных на изучение механизма конвективного теплообмена в слоях крупных частиц. Исследования проводились на установке, подробно описанной в параграфе 3.4. Измерение коэффициентов теплообмена между поверхностью датчика-нагревателя и слоем дисперсного материала осуществлялось по методике, изложенной в 3.4.3. В данной серии опытов использовался датчик диаметром 13 мм, устанавливаемый вертикально вдоль оси колонны или горизонтально на расстоянии 62 мм от газораспределительной решетки. Слой образовывали модельные материалы — стеклянные шарики узкофракционного состава со средними диаметрами 0,45 мм (0,4—0,5), 1,25 мм (1,2— 1,3) и 3,1 мм (3,0—3,2). Их физические характеристики приведены в табл. 3.3. Коэффициенты теплообмена измерялись в псевдоожиженных слоях, затем в плотных, зажатых сверху жесткой металлической сеткой (опыты проводились в колонне из оргстекла, при этом движения частиц не наблюдалось). Эксперименты с плотн лми зажатыми слоями повторялись заметного разброса точек (вне пределов точности измерений) не наблюдалось.  [c.88]

Игорь Фомич нас многому научил, научил уважать чужие пришщпы. К моменту его появления в лаборатории мы скептически относились ко всякой зоологии , т.е. длительному и скрупулезному копанию в сложных и малоизученных объектах. Обычно в наших экспериментах мы использовали специальные модельные объекты, чтобы проверить отдельные задуманные заранее эффекты. Игорь Фомич назьшал это игрушками и советовал взяться за одно настоящее дело, которое потребует много лет. По большому счету, наверное, это, все-таки, был снобизм, и разные подходы могут приводить к интересным результатам. Вместе с тем, успехи школы Щеголева в области сверхпроводмости органических металлов—наглядное подтверждение успешности его подходов. Всех докладчиков на наших семинарах неизменно подкупал его живой неформальный интерес к любому физигескому явлению. Вопросы Игоря Фомича всегда были конкретны, он  [c.227]

Разработано множество людельных механизмов формирования фрактальных кластеров. Это во многом связано с развитием и все более широким внедрением вычислительной техники. Проведено огромное количество численных экспериментов [например, 36, 37, 38, 39], в которых выявлялись закономерности фрактальной природы реальных объектов на основе модельных механизмов. Среди моделей аг )егации следует выделить модель агрегации, ограниченной диффузией (DLA или ОДА), модель ограниченной диффузией кластерной агрегации (DL A) и модель кластер-кластерной агрегации (ССА).  [c.94]

Рис. 3.27. Изменение размерности самосогласованности D% плоского фрактального кластера в процессе его роста (данные модельного компьютерного эксперимента)

Исчерпывающей теории возникновения турбулентности в различных типах гидродинамических течений в настоящее время еще не существует. Был выдвинут, однако, ряд возможных сценариев процесса хаотизации движения, основанных главным образом на компьютерном исследовании модельных систем дифференциальных уравнений, и частично подтвержденных реальными гидродинамическими экспериментами. Дальнейшее изложение в этом и следующем параграфах имеет своей целью лишь дать представление об этих идеях, не входя в обсуждение соответствующих компьютерных и эксперимеитальпых результатов. Отметим лишь, что экспериментальные данные относятся к гидродинамическим движениям в ограниченных объемах имеппо такие движения мы и будем иметь в виду ниже ).  [c.162]

Теоретический расчет и модельный эксперимент показывает, что напряжеавость поперечного магнитного поля в канале может быть аппроксимироваяв полиномом третг.ей степени  [c.114]

Отсюда следует, что при одинаковой жидкости в натуре и на модели т = 1) скорость модельного потока должна быть больше скорости натурного в раз. Это противоречие с требованиями критерия Фруда можно было бы устранить путем выбора надлежащего масштаба вязкости т . СЗднако это практически невозможно, так как модельные эксперименты можно проводить лишь с водой и воздухом и только в редких случаях использовать другие жидкости (масло или глицерин). Поэтому практически мы 134  [c.134]

Течение жидкости в тонкой пленке в данном случае обусловлено градиентом кривизны ее поверхности (градиентом кривизны мениска). Прямыми измерениями в модельных экспериментах установлено, что при испарении с поверхности мениска жидкой пленки кривизна поверхности в зоне наиболее интенсивного испарения возрастает. Для схемы рис. 8.4 это означает, что АНIdr кривизна поверхности пленки уменьшается по мере удаления от оси симметрии. Поскольку давление в паре р» однородно, из формулы Лапласа  [c.351]

Этот вывод был проверен в нескольких сериях модельных экспериментов на электродах из железа-армко, помещенных в подкисленные растворы сульфата натрия. Площадь горячего и холодного электродов в сумме поддерживалась одинаковой, но 1менялось соотношение между ими. Как,и следовало ожидать, при известном выборе такого соотношения термогальваническая макропара давала наибольшую силу тока. При этом точка максимума на кривой вполне закономерно смещалась в сторону общей доли катодного участка по мере того, как возрастала температура горячего электрода макро-пары.  [c.174]

Доклад основан на анализе литературных данных, обсуждениях отдельных вопросов с технологами морского оборудования п «результатах, полученных в рамках собственных исследовательских программ баттелевской лаборатории в области морской коррозии. Наиболее надежной считалась информация о разрушении материалов в реальных морских условиях, а не результаты модельных лабораторных экспериментов.  [c.12]

В статье рассматриваются проблемы моделирования нестационарных турбулентных течений в неподвижных элементах гидромашин на базе модельного эксперимента, получение на стадии проектирования оптимальных геометрических форм неподвижных элементов гвдромашин, обеспечивающих снижение динамических  [c.103]

Рассмотрены методы многопараметрической оптимизации гидроупругих возмущений потока в неподвижных элементах гидромашин на базе модельного эксперимента. Построены математические зависимости гидродинамических харак-теристин потока в функции от геометрических факторов. Полученные математические модели оптимизированы методами нелинейного программирования, В результате оптимизации получены рекомендации по выбору оптимальных геометрических характеристик неподвижных элементов гидромашин.  [c.118]

Современные экспериментальные методы позволяют путем измерений на натуральных узлах ВВЭР определять действительные величины деформаций и напряжений, а также регистрировать силовые, температурные и другие воздействия в условиях натурного или модельного эксперимента. Получаемые данные при экспериментальных исследованиях напряжений требуют несколько этапов обработки. Основными из них независимо от вида и характера конкретного эксперимента являются счедующие  [c.60]

---

словарные статьи. «Эксперимент» (И. С. Алексеев)

«Эксперимент»

И. С. Алексеев

Эксперимент (от лат. experimentum — проба, опыт) — метод познания, при помощи которого в контролируемых и управляемых условиях исследуются явления действительности. Отличаясь от наблюдения активным оперированием изучаемым объектом, эксперимент осуществляется на основе теории, определяющей постановку задач и интерпретацию его результатов. Нередко главной задачей эксперимента служит проверка гипотез и предсказаний теории, имеющих принципиальное значение (так называемый решающий эксперимент). В связи с этим эксперимент, как одна из форм практики, выполняет функцию критерия истинности научного познания в целом.

Эксперимент, метод исследования возник в естествознании нового времени (У. Гильберт, Г. Галилей). Впервые он получил философское осмысление в трудах Ф. Бэкона, разработавшего и первую классификацию экспериментов. Развитие экспериментальной деятельности в науке сопровождалось в теории познания борьбой рационализма и эмпиризма, по-разному понимавших соотношение эмпирического и теоретического знания. Преодоление односторонности этих направлений, начатое немецкой классической философией, нашло завершение в диалектическом материализме, в котором тезис о единстве теоретической и экспериментальной деятельности является конкретным выражением общего положения о единстве чувственного и рационального, эмпирических и теоретических уровней в процессе познания.

Современная наука использует разнообразные виды эксперимента. В сфере фундаментальных исследований простейший тип эксперимента — качественный эксперимент, имеющий целью установить наличие или отсутствие предполагаемого теорией явления. Более сложен измерительный эксперимент, выявляющий количественную определенность какого-либо свойства объекта. Еще один тип эксперимента, находящий широкое применение в фундаментальных исследованиях — так называемый мысленный эксперимент. Относясь к области теоретического знания, он представляет собой систему мысленных, практически не осуществимых процедур, проводимых над идеальными объектами. Будучи теоретическими моделями реальных ситуаций, мысленные эксперименты проводятся в целях выяснения согласованности основных принципов теории. В области прикладных исследований применяются все указанные виды эксперимента. Их задача — проверка конкретных теоретических моделей. Для прикладных наук специфичен модельный эксперимент, который ставится на материальных моделях, воспроизводящих существ, черты исследуемой природной ситуации или технического устройства. Он тесно связан с производственным экспериментом. Для обработки результатов экспериментов применяются методы математической статистики, специальная отрасль которой исследует принципы анализа и планирования эксперимента.

С 20-х гг. 20 в. развиваются социальные эксперименты. Они способствуют внедрению в жизнь новых форм социальной организации и оптимизации управления. Поэтому социальный эксперимент, выполняя познавательную функцию, относится к сфере управления обществом. Объект социального эксперимента, в роли которого выступает определенная группа людей, является одним из участников эксперимента, с интересами которого необходимо считаться, а сам исследователь оказывается включенным в изучаемую им ситуацию. Содержание и процедуры социальных экспериментов обусловлены также правовыми и моральными нормами общества.

Литература:

1. Сивоконь П. Е., Методологические проблемы естественнонаучного эксперимента, М., 1968;
2. Рывкина Р. В., Винокур А. В., Социальный эксперимент, Новосиб., 1968;
3. Макаревичус К., Место мысленного эксперимента в познании, М., 1971;
4. Налимов В. В., Теория эксперимента, М., 1971;
5. Храмович М. А., Научный эксперимент, его место и роль в познании, Минск, 1972;
6. Капица П. Л., Эксперимент, теория, практика, М., 1974;
7. Тригг Дж. Л., Решающие эксперименты в современной физике, пер. с англ., М., 1974;
8. Dingler Н., Übeг die Geschichte und das Wesen des Experimentes, Münch., 1952;
9. Experinnent und Erfahrung in Wissenschaft und Kunst, Freiburg — Münch., 1963;
10. Siebel W., Die Logik des Experiments in den Sozialwissenschaften, B., 1965;
11. Parthey H., Wahl D., Die experimentelle Methode in Natur- und Gesellschaftswissenschaften, B., 1966.

Настройка запуска модели

Настройка запуска модели

Вы можете сконфигурировать выполнение модели в соответствии с вашими требованиями. Модель выполняется в соответствии с набором установок, задаваемым специальным элементом модели — экспериментом. Вы можете создать несколько экспериментов с различными установками и изменять рабочую конфигурацию модели, просто запуская тот или иной эксперимент модели.

В панели Проекты эксперименты отображаются в нижней части дерева модели. Один эксперимент, названный Simulation, создается по умолчанию. Это простой эксперимент, позволяющий запускать модель с заданными значениями параметров, поддерживающий режимы виртуального и реального времени, анимацию и отладку модели.

Существуют также и другие типы экспериментов (оптимизационный эксперимент, эксперимент для оценки рисков, эксперимент для варьирования параметров), которые используются в тех случаях, когда параметры модели играют существенную роль, и требуется проанализировать, как они влияют на поведение модели, или когда нужно найти оптимальные значения параметров модели.

Если мы сейчас запустим модель, то она будет моделироваться бесконечно, пока мы сами не остановим ее выполнение . Поскольку мы хотим наблюдать поведение модели только тогда, когда происходит процесс распространения продукта, нам нужно остановить модель, когда система придет в точку равновесия. Процесс распространения продукта в этой модели длится примерно 8 лет.

Задайте остановку модели по прошествии 8 единиц модельного времени

1. В панели Проекты, выделите эксперимент Simulation:Main щелчком мыши.
2. В секции Модельное время панели Свойства, выберите В заданное время из выпадающего списка Остановить. В расположенном ниже поле введите 8. Модель остановится после того, как истекут 8 единиц модельного времени.

Перед тем, как запустить модель, давайте выберем режим ее выполнения. Модель AnyLogic может выполняться либо в режиме виртуального, либо в режиме реального времени.

В режиме виртуального времени модель выполняется без привязки к физическому времени – она просто выполняется настолько быстро, насколько это возможно. Этот режим лучше всего подходит в том случае, когда требуется моделировать работу системы в течение достаточно длительного периода времени.

В режиме реального времени задается связь модельного времени с физическим, то есть задается количество единиц модельного времени, выполняемых в одну секунду. Это часто требуется, когда вы хотите, чтобы анимация модели отображалась с той же скоростью, что и в реальной жизни.

Задайте выполнение модели в режиме реального времени

1. В панели Проекты, выделите эксперимент Simulation:Main щелчком мыши.
2. Перейдите в секцию Модельное время и выберите опцию Реальное время со скоростью.
3. Задайте скорость выполнения модели, т.e., сколько единиц модельного времени будет соответствовать одной секунде реального времени. Выберите в выпадающем списке справа, скажем, 2.

И давайте теперь изменим еще одно свойство, но уже не эксперимента, а модели.

Во время моделирования мы будем изучать значения наших переменных и просматривать графики, демонстрирующие, как менялись их значения по ходу моделирования.

Для этого нам даже не понадобится добавлять и конфигурировать диаграммы — мы воспользуемся специальной возможностью AnyLogic - окнами инспекта. Дело в том, что AnyLogic автоматически запоминает значения, принимаемые динамическими переменными по ходу моделирования, в специально создаваемых для этого наборах данных. И значения этих наборов данных можно легко просмотреть в окнах инспекта, которые доступны в режиме запуска модели.

Все, что мы хотим изменить — это увеличить частоту сбора таких данных. По умолчанию новые значения переменных добавляются в наборы данных каждую единицу модельного времени. Мы же хотим, чтобы данные собирались, скажем, в 10 раз чаще.

Увеличьте частоту сбора данных для динамических переменных

1. В панели Проекты, сделайте двойной щелчок по элементу Main.
2. Перейдите в секцию Специфические панели Свойства и введите0.1 в поле Период.

---

        Шаг 6. Создание динамических переменных

        Шаг 8. Запуск модели

Фитотоксичность нефтезагрязненных почв аридных территорий (в условиях модельного эксперимента)

Булуктаев А.А.

RJEE Vol. 4 (3). 2019 | DOI: 10.21685/2500-0578-2019-3-5
Аннотация | PDF (Rus) | Дополнительные файлы

Дата поступления 14.06.2019 | Дата опубликования 26.09.2019

 

УДК 57.084.1; 504.054

 

ФИТОТОКСИЧНОСТЬ НЕФТЕЗАГРЯЗНЕННЫХ ПОЧВ АРИДНЫХ ТЕРРИТОРИЙ (В УСЛОВИЯХ МОДЕЛЬНОГО ЭКСПЕРИМЕНТА)

 

А. А. Булуктаев
Калмыцкий научный центр Российской академии наук, Россия, 358000, Элиста, ул. им. И. И. Илишкина, 8
E-mail: [email protected]

 

PHYTOTOXICITY OF OIL-POLLUTED SOILS IN ARID TERRITORIES: ANALYZING RESULTS OF SIMULATION EXPERIMENTS

 

A. A. Buluktaev
Kalmyk scientific center of the Russian Academy of Sciences, 8 I. K. Ilishkina str., Elista, 358000, Russian Federation
E-mail: [email protected]

 

Аннотация. Актуальность и цели. В последние десятилетия степные ландшафты Республики Калмыкия испытывают все возрастающее антропогенное воздействие. Нефтяные промыслы, ведущие свою деятельность на территории республики, автозаправки, транспорт – все это отражается на состоянии окружающей среды. Нефть и нефтепродукты негативно влияют на рост и развитие растений, токсичны для них даже в относительно низких концентрациях. Цель исследования – изучение фитотоксических свойств почв Калмыкии при их загрязнении нефтью и нефтепродуктами. Материалы и методы. Лабораторные исследования выполнены с использованием общепринятых в биологии и почвоведении методов [1–3]. В данной работе большое значение придается модельным экспериментам. В качестве объектов исследования использованы основные типы зональных почв Республики Калмыкия. Эксперимент проведен в вегетационных емкостях и чашках Петри, загрязнение производили путем внесения нефти и нефтепродуктов. В качестве растения тест-объекта использован редис; в ряду исследований доказано, что редис является хорошим индикатором нефтяного загрязнения, а относительно короткий вегетационный период позволяет использовать редис для лабораторных опытов [4–8]. О фитотоксичности судили по числу проросших семян, длине побега и корней. Результаты. Изучена фитотоксичность нефтезагрязненных почв Калмыкии. Выявлено влияние нефти с высокоминерализованными пластовыми водами на рост и развитие растения тест-объекта. Построен ряд по степени влияния нефти и нефтепродуктов на изменения фитотоксических свойств, а также ряд по устойчивости почв Калмыкии к загрязнению. Выводы. Все исследуемые почвы, загрязненные нефтепродуктами, проявляют сильное фитотоксическое воздействие по отношению к растению тест-организму, исключение – бурые полупустынные почвы, в которых при загрязнении низкими концентрациями мазута и керосина увеличивается длина побегов и корней.

 

Ключевые слова: фитотоксичность, нефтепродукты, загрязнение, модельный эксперимент, вегетационные емкости, Республика Калмыкия.

 

Для цитирования: Булуктаев, А. А. Фитотоксичность нефтезагрязненных почв аридных территорий (в условиях модельного эксперимента) / А. А. Булуктаев // Russian Journal of Ecosystem Ecology. – 2019. – Vol. 4 (3). – https://doi.org/10.21685/2500-0578-2019-3-5

 

Abstract. Rationale and Goals. Recent decades have witnessed an increasing anthropogenic impact on Kalmykia’s steppe landscapes. Active oil fields, numerous filling stations and vehicles adversely affect the environment. Oil and oil products impair the growth and development of plants, not to mention that oil products are toxic to plants even at minor concentrations. The study aims at investigating phytotoxic properties of Kalmykia soils when polluted with oil and oil products. Materials and Methods. The laboratory studies were performed with the help of methods customary for biology and soil science. The work pays special attention to simulation experiments. The objects of research are key zonal soil types of the Republic of Kalmykia. The experiments have been performed in vegetation vessels and Petri dishes with oil and oil products serving as polluting agents. The target test plant is radish. Numberous research works prove that radish is a good indicator of oil pollution, and its relatively short vegetation period allows using it for laboratory experiments. The phytotoxicity was estimated by numbers of germinated seeds, lengths of sprouts and roots. Results. The work provides an insight into phytotoxicity of Kalmykia’s oil-polluted soils and reveals the influence of oils with mineralized stratal waters on the growth and development of the target test plant. The paper draws up a data series by degree of influence of oil and oil products on changing phytotoxic properties, supplemented with a data series to characterize Kalmykia soils by degree of oil pollution resistance. Conclusions. All the examined oil-polluted soils show severe phytotoxic impact on target test plant organisms, the exception being brown semi-desert soils where low-concentration of oil-fuel and kerosene pollution resulted in some extension of plant sprouts and roots length.

 

Keywords: phytotoxicity, oil products, pollution, simulation experiment, vegetation vessels, Republic of Kalmykia.

 

For citation: Buluktaev A.A. Phytotoxicity of oil-polluted soils in arid territories: analyzing results of simulation experiments. Russian Journal of Ecosystem Ecology. 2019;4(3). (In Russ.). Available from: https://doi.org/10.21685/2500-0578-2019-3-5

Модель эксперимента

— обзор

(i)

¹ H ЯМР-спектроскопия

В начале 1970-х годов в многочисленных модельных экспериментах было заявлено, что присутствие 3,6-ангидрогалактозы ³⁷⁹ и нескольких заместителей, таких как О-метил ³⁸⁰ или сульфатные группы ³⁸¹ и циклические ацетали пировиноградной кислоты, ³⁸² в молекуле галактана приводят к появлению характерных сигналов в спектрах ЯМР ¹ Н. На основе этих данных была предложена аналитическая процедура, ³⁸³ , которая дала возможность оценить содержание 3,6-ангидрогалактозы, 6- O -метилгалактозы, 6-сульфата галактозы и пировиноградной кислоты путем анализа ^{1 Спектры ЯМР} H продуктов кислотной деполимеризации некоторых агароподобных полисахаридов.К сожалению, долгое время не удавалось получить удовлетворительное разрешение резонансов в спектрах высокомолекулярных природных галактанов. Чтобы избежать нежелательных побочных реакций (десульфатирование и разложение 3,6-ангидрогалактозы) при кислотной деполимеризации, было предложено проводить ферментативный гидролиз агаров α- или β-агаразой ^{384 385} перед регистрацией ¹ H ЯМР. спектры. Хорошо разрешенные спектры ЯМР ¹ H нескольких высокомолекулярных полисахаридов, а именно агарозы, сульфатированной агарозы из Gloiopeltis cervicornis и κ- и ι-каррагинанов, были получены и интерпретированы только в 1977 г. (300 МГц спектрометр, спектры записывали при 80 ° C). ³⁸⁶ В том же году было показано, что спектры ЯМР ¹³ C галактанов намного удобнее и информативнее. В результате в последующих работах использовались спектры ЯМР ¹ H в основном для характеристики олигосахаридов, полученных после ферментативного или кислотного гидролиза галактанов, тогда как полимерные вещества анализировали с помощью спектроскопии ЯМР ¹³ C. Тем не менее, спектроскопия ЯМР ¹ H имеет много преимуществ из-за ее более высокой чувствительности, более высокой скорости регистрации и более высокой точности количественных измерений.Он был успешно использован вместе со спектрами ЯМР ¹³ C для характеристики природных полисахаридов. Например, на основе этого метода было показано, что агар из G. dura отличается от коммерческого агара содержанием пирувата и метилированных моносахаридов (6- O -метилгалактоза и 3,6-ангидро-2- O ). -метилгалактоза). ³⁸⁷ Полная интерпретация резонансов в спектре ЯМР ¹ H полисахарида, полученного после окисления периодатом и десульфатации ксилогалактана из Corallina pilulifera , была выполнена с помощью двумерной спектроскопии и использована для выяснения агараноподобной структуры его позвоночник.В то же время анализ спектра позволил отнести l-конфигурацию к остаткам 2- O — и 3- O -метилгалактозы, а d-конфигурацию — к остаткам 6- O -метилгалактозы. ¹⁶⁶ Содержание флоридного крахмала и соотношение различных структур каррагинана оценивали во фракциях галактана, выделенных из Furcellaria lumbricalis ^122,388 и Gigartina scottsbergii. ³⁸⁹ Анализ аномерной области спектров ¹ H ЯМР был предложен в качестве простого метода количественного определения κ-, ι- и λ-каррагинанов в промышленных смесях. ³⁹⁰

Внедрение ЯМР-спектрометров повышенной чувствительности, двумерных ¹ H– ¹ H и ¹ H– ¹³ C корреляционных процедур, что позволило однозначно отнести все резонансы в Спектры ЯМР ¹ H нео-κ-каррабиозы (DA-G4S), ³⁹¹ нео-ι-каррабиозы (DA2S-G4S), ^392,393 нео-λ-каррабиозы (D2S, 6S-G2S), ³⁹⁴ и их высшие аналоги. Также были отнесены сигналы в спектрах фрагментов κ-каррагинана с нечетными номерами, содержащих G4S как на восстанавливающем, так и на невосстанавливающем концах. ³⁹⁵ Спектры ЯМР протонов сыграли важную роль в исследованиях конформационного поведения κ-каррагинана ³⁹⁶ и физико-химических свойств κ / ι-гибридов ^{397 398} и были эффективно использованы для характеристики гибридных каррагинанов по действию специфических ферменты ^399,400 (дополнительные примеры см. ниже).

5.1.1. Что такое экспериментальный дизайн?

5. Совершенствование процессов 5.1. Вступление 5.1.1. Что такое экспериментальный дизайн?
Экспериментальный дизайн (или DOE) экономически максимизирует информацию	В эксперименте мы намеренно изменяем один или несколько процессов. переменные (или факторы), чтобы наблюдать влияние изменений на одной или нескольких переменных ответа. (Статистический) план экспериментов ( DOE ) — эффективная процедура для планирования экспериментов, так что полученные данные могут быть проанализированы для получения обоснованных и объективных выводов. DOE начинает с определения целей эксперимента и выбора процесса факторы для исследования. Опытный образец — это кладка из детального плана эксперимента перед проведением эксперимента. Хорошо подобранные экспериментальные схемы максимально увеличивают объем «информации», которая может быть получен за определенное количество экспериментальных усилий. Статистическая теория, лежащая в основе DOE, обычно начинается с концепции технологических моделей .
	Модели процессов для DOE
Модель процесса черного ящика	Обычно начинают с модели процесса типа «черный ящик», с несколькими дискретными или непрерывными входами факторы, которые можно контролировать — это изменяется по желанию экспериментатора — и один или несколько измеренных выходных откликов.Выходные отклики предполагаются непрерывными. Используются экспериментальные данные. для получения эмпирической (приближенной) модели, связывающей результаты и входы. Эти эмпирические модели обычно содержат члены первого и второго порядка. Часто в эксперименте необходимо учитывать ряд неконтролируемых факторов. которые могут быть дискретными, например, разные машины или операторы, и / или непрерывный, такой как температура или влажность окружающей среды. Рисунок 1.1. иллюстрирует эту ситуацию.
Схема типичного процесса с контролируемыми входами, выходами, дискретные неконтролируемые факторы и непрерывные неконтролируемые факторы	РИСУНОК 1.1 Схема модели процесса «Черный ящик»
Модели для ДОЭ	Наиболее распространенные эмпирические модели, соответствующие экспериментальным данным, принимают либо линейная форма , либо квадратичная форма .
Линейная модель	Линейная модель с двумя факторами: X 1 и X 2 , можно записать как \ (Y = \ beta_ {0} + \ beta_ {1} X_ {1} + \ beta_ {2} X_ {2} + \ beta_ {12} X_ {1} X_ {2} + \ mbox {экспериментальная ошибка} \) Здесь Y — ответ для данных уровней основные эффекты X 1 и X 2 и X 1 X 2 срок включен, чтобы учесть возможные эффект взаимодействия между X 1 и X 2 .Постоянная \ (\ beta_ {0} \) является ответом Y , когда оба основных эффекта равны 0. Для более сложного примера линейная модель с тремя факторами X 1 , X 2 , X 3 и один ответ, Y , выглядел бы так (если бы все возможные термины были входит в модель) \ (Y = \ beta_ {0} + \ beta_ {1} X_ {1} + \ beta_ {2} X_ {2} + \ beta_ {3} X_ {3} + \ beta_ {12} X_ {1} X_ {2} + \\ \ beta_ {13} X_ {1} X_ {3} + \ beta_ {23} X_ {2} X_ {3} + \ beta_ {123} X_ {1} X_ {2} X_ {3} + \\ \ mbox {экспериментальная ошибка} \) Три термина с одним « X ‘s» — это основные эффекты терминов.Есть k ( k -1) / 2 = 3 * 2/2 = 3 двусторонний взаимодействие терминов и 1 член трехстороннего взаимодействия (который часто опускается для простота). Когда анализируются экспериментальные данные, все неизвестное «\ (\ бета \)» оцениваются параметры и коэффициенты членов « X » проверяются, чтобы увидеть, какие из них значительно отличаются от 0. {2} \) Примечание: Очевидно, что полная модель может включать в себя множество перекрестных произведений (или взаимодействие) слагаемые, включающие в себя квадраты X.Однако в целом эти термины не нужны, и большинство программ DOE по умолчанию не используют их модель.

Научное моделирование — Science Learning Hub

В науке модель — это представление идеи, объекта или даже процесса или системы, которая используется для описания и объяснения явлений, которые нельзя испытать на собственном опыте. Модели играют центральную роль в том, что делают ученые, как в своих исследованиях, так и при передаче своих объяснений.

Модели — это мысленно-визуальный способ связи теории с экспериментом, и они направляют исследования, будучи упрощенными представлениями воображаемой реальности, которые позволяют разрабатывать и проверять предсказания экспериментально.

Почему ученые используют модели

Модели имеют множество применений — от предоставления способа объяснения сложных данных до представления в качестве гипотезы. Ученые могут предложить несколько моделей для объяснения или предсказания того, что может произойти в определенных обстоятельствах. Часто ученые спорят о «правильности» своей модели, и в процессе модель будет развиваться или будет отвергнута. Следовательно, модели занимают центральное место в процессе накопления знаний в науке и демонстрируют, насколько научное знание носит предварительный характер.

Представьте себе модель, показывающую Землю — глобус. До 2005 года глобусы всегда были художественным изображением того, как, по нашему мнению, выглядела планета. (В 2005 году был создан первый глобус с использованием спутниковых снимков НАСА.) Первый известный глобус, который был сделан (в 150 г. до н.э.), был не очень точным. Земной шар был построен в Греции, поэтому, возможно, на нем был изображен лишь небольшой участок земли в Европе, и на нем не было бы Австралии, Китая или Новой Зеландии! Поскольку объем знаний накапливался за сотни лет, модель улучшалась до тех пор, пока к тому времени, когда глобус, сделанный из реальных изображений, был создан, не было заметной разницы между представлением и реальной вещью.

Построение модели

Ученые начинают с небольшого количества данных и с течением времени создают все более и более лучшее представление о явлениях, которые они объясняют или используют для прогнозирования. В наши дни многие модели, скорее всего, будут математическими и запускаются на компьютерах, а не являются визуальным представлением, но принцип тот же.

Использование моделей для прогнозирования

В некоторых ситуациях ученые разрабатывают модели, чтобы попытаться предсказать вещи.Лучшие примеры — климатические модели и изменение климата. Люди не в полной мере осознают влияние, которое они оказывают на планету, но мы действительно много знаем о круговоротах углерода, круговоротах воды и погоде. Используя эту информацию и понимание того, как эти циклы взаимодействуют, ученые пытаются выяснить, что может произойти. Модели также полагаются на работу ученых по сбору качественных данных для их использования в моделях. Чтобы узнать больше о работе по сопоставлению данных для моделей, ознакомьтесь с проектом Argo и работой, проводимой по сбору крупномасштабных данных о температуре и солености, чтобы понять, какую роль океан играет в климате и изменении климата.

Например, они могут использовать данные, чтобы предсказать, каким будет климат через 20 лет, если мы продолжим производить углекислый газ текущими темпами — что может случиться, если мы произведем больше углекислого газа, и что произойдет, если мы произведем меньше. Результаты используются для информирования политиков о том, что может случиться с климатом и что можно изменить.

Еще одно распространенное использование моделей — в управлении рыболовством. Рыболовство и продажа рыбы на экспортные рынки — важная отрасль для многих стран, включая Новую Зеландию (на сумму 1 доллар США.4 миллиарда долларов в 2009 году). Однако чрезмерный вылов рыбы представляет собой реальный риск и может привести к разрушению рыболовных угодий. Ученые используют информацию о жизненных циклах рыб, моделях размножения, погоде, прибрежных течениях и средах обитания, чтобы предсказать, сколько рыбы можно выловить из определенного района, прежде чем популяция сократится до уровня, при котором она не сможет восстановиться.

Модели также могут использоваться, когда полевые эксперименты слишком дороги или опасны, например модели, используемые для прогнозирования распространения огня в автодорожных туннелях и возможного возникновения пожара в здании.

Как узнать, работает ли модель?

Модели часто используются для принятия очень важных решений, например, сокращение количества рыбы, которую можно выловить в каком-либо районе, может привести к прекращению деятельности компании или помешать рыбаку сделать карьеру, которая была в его семье в течение нескольких поколений. .

Затраты, связанные с борьбой с изменением климата, почти невообразимы, поэтому важно, чтобы модели были правильными, но часто это случай использования самой лучшей информации, доступной на сегодняшний день.Модели необходимо постоянно тестировать, чтобы видеть, предоставляют ли используемые данные полезную информацию. Ученые могут задать вопрос о модели: соответствует ли она данным, которые мы знаем?

Для изменения климата это немного сложно. Это может соответствовать тому, что мы знаем сейчас, но достаточно ли мы знаем? Один из способов проверить модель изменения климата — запустить ее в обратном направлении. Может ли он точно предсказать, что уже произошло? Ученые могут измерить то, что происходило в прошлом, поэтому, если модель соответствует данным, она считается более надежной.Если он не подходит, пора поработать еще раз.

Этот процесс сравнения прогнозов модели с наблюдаемыми данными известен как «наземная проверка». Что касается управления рыболовством, то наземная проверка включает в себя отбор проб рыбы в разных районах. Если в регионе не так много рыбы, как прогнозирует модель, пора поработать еще раз.

Узнайте больше о наземных проверках. Спутники измеряют толщину морского льда. Здесь ученые проверяют спутниковые данные о толщине льда в Антарктиде, чтобы эти данные можно было использовать для моделирования того, как климат Земли, температура моря и уровень моря могут изменяться.

Природа науки

Модели всегда играли важную роль в науке и продолжают использоваться для проверки гипотез и прогнозирования информации. Часто они неточны, потому что у ученых может не быть всех данных. Важно, чтобы ученые тестировали свои модели и были готовы улучшать их по мере появления новых данных. Построение модели может занять время — на создание точного глобуса потребовалось более 2000 лет — будем надеяться, что точная модель изменения климата займет значительно меньше времени.

Изучение модельных экспериментов — ScienceDaily

То, что учащиеся в школе узнают из модельного эксперимента, зависит от того, насколько похожи модельные субстанции на оригиналы. Об этом сообщила группа под руководством профессора д-ра Катрин Зоммер из Бохума, кафедры химического образования в научном журнале Rubin, научном журнале Рурского университета в Бохуме.

В рамках карусели с различными экспериментами 234 ученика 7-го класса провели модельный эксперимент на предмет взрывов пыли.Затем они выяснили, в какой степени ученики смогли связать эксперимент с фактическим возникновением взрыва мучной пыли на мельнице Роланд в Бремене. Одна группа провела эксперимент с исходным веществом пшеничной муки, вторая группа — с кукурузной мукой аналогичного вида и последняя группа — с черным тонером.

Получение абстрактных знаний

Учащиеся лучше осознавали связь между реальным контекстом и модельным экспериментом, когда модельная субстанция выглядела более похожей на оригинал: 96.5 процентов группы пшеничной муки сделали связь, так же как и 86 процентов группы кукурузы, но только 56 процентов группы тонера.

Однако данные группы Бохума предполагают, что дети в группе тонера могли получить более общее представление о механизмах взрыва; Теперь исследователи хотят более внимательно изучить эту идею. «То, какое вещество следует использовать для модельного эксперимента — одно, подобное оригиналу, или другое, отличное от оригинала — зависит от того, чему вы хотите научить детей», — говорит аспирант Кристина Тошка.

Аппарат для взрыва пыли новый

В настоящее время взрыв пыли редко проводится на уроках с использованием исходного вещества пшеничной муки, так как эксперимент часто оказывается безуспешным. Чтобы дать учителям свободу выбора между различными веществами в будущем, доктор Хенниг Штефф и аспирант Томас Филипп Шредер разработали новый аппарат для эксперимента.

Это гарантирует успешный взрыв пыли с различными порохами и источниками воспламенения.Они воспроизвели этот аппарат в мастерской, где работают около сотни учителей, поэтому он уже используется на практике в земле Северный Рейн-Вестфалия, Германия.

Подробная статья в Рубин

Вы можете найти более подробную информацию в подробной статье в Rubin , научном журнале Рурского университета в Бохуме (http://news.rub.de/english/2016-10-21-chemistry-education-learning-model -эксперименты).

История Источник:

Материалы предоставлены Ruhr-Universitaet-Bochum . Примечание. Содержимое можно редактировать по стилю и длине.

А.А. Михельсон | Американский ученый

А.А. Майкельсон , полностью Альберт Абрахам Михельсон , (родился 19 декабря 1852 года, Стрельно, Пруссия [ныне Стшельно, Польша] — умер 9 мая 1931 года, Пасадена, Калифорния, США), американский физик немецкого происхождения, установивший скорость света как фундаментальной постоянной и проводил другие спектроскопические и метрологические исследования. Он получил Нобелевскую премию по физике 1907 года.

Михельсон приехал в Соединенные Штаты со своими родителями, когда ему было два года. Из Нью-Йорка семья перебралась в Вирджиния-Сити, Неваду и Сан-Франциско, где старший Майкельсон процветал как торговец. В 17 лет Майкельсон поступил в Военно-морскую академию США в Аннаполисе, штат Мэриленд, где он преуспел в науке, но в мореходстве был несколько ниже среднего. Он получил высшее образование в 1873 году и работал преподавателем естественных наук в академии с 1875 по 1879 год.

В 1878 году Майкельсон начал работу над тем, что должно было стать страстью его жизни, — точным измерением скорости света.Он мог получать полезные ценности с помощью самодельных аппаратов. Чувствуя необходимость изучать оптику, прежде чем он сможет получить квалификацию, чтобы добиться реального прогресса, он отправился в Европу в 1880 году и провел два года в Берлине, Гейдельберге и Париже, уволившись из военно-морского флота США в 1881 году. По возвращении в Соединенные Штаты, он определил, что скорость света составляет 299 853 км (186 329 миль) в секунду, значение, которое оставалось лучшим для поколения, пока Майкельсон не улучшил ее.

В Европе Майкельсон начал создавать интерферометр — устройство, предназначенное для разделения луча света на две части, направления частей по перпендикулярным путям, а затем их объединения.Если бы световые волны в это время выпадали из шага, были бы получены интерференционные полосы из чередующихся светлых и темных полос. По ширине и количеству этих полос можно было провести беспрецедентно тонкие измерения, сравнив скорость световых лучей, движущихся под прямым углом друг к другу.

Получите подписку Britannica Premium и получите доступ к эксклюзивному контенту. Подпишитесь сейчас

Майкельсон намеревался использовать интерферометр для измерения скорости Земли относительно «эфира», который, как тогда считалось, составляет основной субстрат Вселенной.Если бы Земля двигалась через светопроводящий эфир, то можно было бы ожидать, что скорость света, движущегося в том же направлении, равна скорости света плюс скорость Земли, тогда как скорость света, движущегося под прямым углом к ​​скорости Земли. можно было бы ожидать, что путь будет двигаться только со скоростью света. Однако его самые ранние эксперименты в Берлине не выявили интерференционных полос, что, казалось, означало отсутствие разницы в скорости световых лучей и, следовательно, отсутствие движения Земли относительно эфира.

В 1883 году он принял должность профессора физики в Кейс-школе прикладных наук в Кливленде и сосредоточил свои усилия на улучшении тонкости своего эксперимента с интерферометром. К 1887 году с помощью своего коллеги, американского химика Эдварда Уильямса Морли, он был готов объявить результаты того, что с тех пор стало называться экспериментом Майкельсона-Морли. Эти результаты все еще были отрицательными; не было интерференционных полос и, по-видимому, не было движения Земли относительно эфира.

Это был, пожалуй, самый значительный отрицательный эксперимент в истории науки. С точки зрения классической ньютоновской физики результаты были парадоксальными. Очевидно, скорость света плюс любая другая добавленная скорость по-прежнему равнялась только скорости света. Чтобы объяснить результат эксперимента Майкельсона-Морли, физику пришлось перестроить на новом, более совершенном основании, что в конечном итоге привело к формулировке теории относительности Альбертом Эйнштейном в 1905 году. профессор физики в Университете Кларка в Вустере, штат Массачусетс, с 1889 года — был назначен профессором и первым заведующим кафедрой физики в недавно организованном Чикагском университете, эту должность он занимал до выхода на пенсию в 1929 году.С 1923 по 1927 год он занимал пост президента Национальной академии наук. В 1907 году он стал первым американцем, получившим Нобелевскую премию в области наук за свои спектроскопические и метрологические исследования, первую из многих наград, которые он получил.

Майкельсон выступал за использование определенной длины волны света в качестве стандарта расстояния (предложение, общепринятое в 1960 году), а в 1893 году измерил стандартный метр в единицах красного света, излучаемого нагретым кадмием. Его интерферометр позволил ему определить ширину небесных объектов, сопоставив световые лучи с двух сторон и отметив возникшие интерференционные полосы.В 1920 году с помощью 6-метрового (20-футового) интерферометра, прикрепленного к 254-сантиметровому (100-дюймовому) телескопу, ему удалось измерить диаметр звезды Бетельгейзе (Альфа Ориона) как 386 160 000 км (в 300 раз больше диаметра звезды). солнце). Это было первое достаточно точное определение размера звезды.

В 1923 году Майкельсон вернулся к проблеме точного измерения скорости света. В горах Калифорнии он обследовал 35-километровую тропу между двумя горными вершинами, определив расстояние с точностью менее 2.5 см. Он использовал специальное вращающееся зеркало с восемью сторонами и получил значение скорости света 299 798 км / сек. Чтобы еще больше уточнить ситуацию, он использовал длинную вакуумированную трубку, через которую световой луч отражался вперед и назад, пока не прошел 16 км в вакууме. Майкельсон умер до того, как смогли оценить результаты его окончательных испытаний, но в 1933 году было объявлено окончательное значение 299 774 км / сек, что меньше чем на 2 км / сек выше, чем значение, принятое в 1970-х годах.

Набор для экспериментов с моделью двигателя

Есть вопросы? Обратитесь в службу поддержки клиентов.

406-256-0990 или Живой чат в

Возраст 12+

На складе, готово к отправке

Это нужно быстро? Смотрите варианты доставки в корзине.

Изучите работу электродвигателя с этой моделью 4-дюймового двигателя. Читать Более

участников My Science Perks зарабатывают не менее $ 0,30 обратно на этот товар. Войдите или создайте Бесплатный HST Аккаунт, чтобы начать зарабатывать сегодня

ОПИСАНИЕ

Поэкспериментируйте и исследуйте работу двигателя постоянного тока с этой моделью двигателя 4 дюйма.Включает двигатель в сборе, постоянные магниты и основные инструкции. Вы предоставляете одну или несколько батарей (от 1,5 до 6 вольт) и соединительный провод.

Для проведения последующих идей эксперимента требуются дополнительные материалы.

ПРИМЕЧАНИЕ. Фактический продукт может отличаться от представленного на фотографии из-за различий в поставщиках.

БЛОК ДОПОЛНИТЕЛЬНОЙ ИНФОРМАЦИИ

ВКЛАДКА С СОДЕРЖАНИЕМ

ТАБЛИЦА ТЕХНИЧЕСКИХ ХАРАКТЕРИСТИК

Описание

EL-MOTRMDL

Технические характеристики

СОДЕРЖАНИЕ

Мы хотим, чтобы этот предмет был живым, когда вы его получите! Следовательно, нам необходимо знать, когда вы будете дома, чтобы получить его (минимизируя воздействие стихии).Пожалуйста, укажите дату доставки, среда — Пятница, это минимум 7 дней с сегодняшнего дня.

Физика и инженерия / Электричество и электроника / Двигатели, генераторы, шестерни

/ физика-инженерия /, / физика-техника / электричество-электроника /, / физика-инженерия / электричество-электроника / двигатели-генераторы /

Понятно. Наука может быть беспорядочной. Но продукты и услуги Home Science Tools справятся с этим.

Наша продукция долговечна, надежна и доступна по цене, позволяя вам перемещаться из полевых условий в лабораторию и на кухню. Они не подведут, с чем бы они ни боролись. Будь то (чрезмерно) нетерпеливые молодые ученые из года в год или строгие требования, которые возникают раз в жизни.

И если ваш научный запрос идет не так, как ожидалось, вы можете рассчитывать на помощь нашей службы поддержки клиентов. Рассчитывайте на дружеские голоса на другом конце телефона и советы экспертов в вашем почтовом ящике.Они не будут счастливы, пока вы не станете счастливыми.

Итог? Мы гарантируем, что наши продукты и услуги не испортят ваше научное исследование, каким бы беспорядочным оно ни было.

Вопросы? Свяжитесь с нашей службой поддержки клиентов.

Управляйте машинным обучением с помощью Amazon SageMaker Experiments

Эксперименты Amazon SageMaker — это функция Amazon SageMaker, которая позволяет организовать, отслеживать, сравнивать и оцените свои эксперименты с машинным обучением.

Машинное обучение — это итеративный процесс. Вам нужно поэкспериментировать с несколькими комбинациями данных, алгоритма и параметров, все время наблюдая за влиянием инкрементального изменения по точности модели. Со временем это итеративное экспериментирование может привести к тысячам модели обучающие прогоны и версии моделей.Это затрудняет отслеживание наиболее эффективных модели и их входные конфигурации. Также сложно сравнивать активные эксперименты с мимо эксперименты по выявлению возможностей для дальнейших постепенных улучшений.

SageMaker Experiments автоматически отслеживает входные данные, параметры, конфигурации, и результаты вашего итераций как испытаний .Вы можете назначать, группировать и организовывать эти испытаний в экспериментов . SageMaker Experiments интегрирован с Amazon SageMaker Studio. предоставление визуального интерфейса для просмотра ваших активных и прошлых экспериментов, сравнения испытаний по ключевым показателям производительности и выявить наиболее эффективные модели.

SageMaker Experiments поставляется с собственным Эксперименты Python SDK что делает возможности аналитики легко доступен в Amazon SageMaker Notebooks.Поскольку эксперименты SageMaker позволяют отслеживание всех шагов и артефактов, которые использовались при создании модели, вы можете быстро вернуться к истокам модель, когда вы устраняете проблемы в производстве или проверяете свои модели на соответствие проверки.

Особенности экспериментов SageMaker

В следующих разделах представлен краткий обзор функций, предоставляемых SageMaker. Эксперименты.

Организация экспериментов

Amazon SageMaker Experiments предлагает структурированную схему организации, чтобы помочь пользователям группировать и организовывать свои итерации машинного обучения.Сущность верхнего уровня, эксперимент , представляет собой набор испытаний , которые наблюдаются, сравниваются и оцениваются как группа. Судебный процесс набор шагов под названием пробные компоненты . Каждый пробный компонент может включать комбинацию входных данных, таких как наборы данных, алгоритмы и параметры, и производят специфический выходные данные, такие как модели, метрики, наборы данных и контрольные точки.Примеры пробных компонентов являются задания на предварительную обработку данных, задания на обучение и задания на пакетное преобразование.

Цель эксперимента — определить пробу, которая дает наилучшие модель. Выполняется несколько испытаний, каждое из которых изолирует и измеряет воздействие. из переключитесь на один или несколько входов, оставив остальные входы постоянными.Анализируя в испытаний, вы можете определить, какие функции имеют наибольшее влияние на модель.

Эксперименты на треке

Amazon SageMaker Experiments позволяет отслеживать эксперименты.

Автоматическое отслеживание

SageMaker Experiments автоматически отслеживает задания Amazon SageMaker Autopilot как эксперименты с лежащими в их основе учебные работы учитываются как испытания. SageMaker Experiments также автоматически отслеживает SageMaker. независимо выполняли задания по обучению, пакетному преобразованию и обработке в качестве пробных компонентов, независимо от того, назначен на суд или оставлен неназначенным.Неназначенные пробные компоненты могут быть связаны с испытанием в более позднее время. Все артефакты экспериментов, включая наборы данных, алгоритмы, гиперпараметры и метрики модели отслеживаются и записываются. Эти данные позволяют клиентам проследить всю происхождение модели, что помогает в управлении моделью, аудите, и проверки соответствия.

Отслеживание вручную

SageMaker Experiments предоставляет API отслеживания для записи и отслеживания рабочие процессы машинного обучения, выполняемые локально на записных книжках SageMaker Studio, в том числе классический Блокноты SageMaker.Эти эксперименты должны быть частью группового обучения SageMaker. преобразовать, или работа по переработке.

Сравните и оцените эксперименты

Amazon SageMaker Experiments интегрирован с Amazon SageMaker Studio.Когда ты используйте SageMaker Studio, SageMaker Эксперименты автоматически отслеживают ваши эксперименты и испытания и представляют визуализации отслеживаемых данных и интерфейс для поиска данных.

SageMaker Experiments автоматически организует, ранжирует и сортирует испытания на основе выбранный показатель с помощью концепция пробной таблицы лидеров.SageMaker Studio производит визуализацию данных в реальном времени, например, метрическая диаграммы и графики, чтобы быстро сравнивать и определять наиболее эффективные модели. Эти обновлены в реальном времени по мере продвижения эксперимента.

Автопилот Amazon SageMaker

Amazon SageMaker Experiments интегрирован с Amazon SageMaker Autopilot.Когда ты выполнить Работа автопилота, SageMaker Experiments создает эксперимент для работы, а испытания для каждого различных комбинаций доступных пробных компонентов, параметров и артефактов.