что такое верификация модели

Верификация модели

Верификация модели [model verification] — проверка ее истинности, адекватности. В отношении к дескриптивным моделям В. м. сводится к сопоставлению расчетных результатов по модели с соответствующими данными действительности — массовыми фактами и закономерностями экономического развития. В отношении же нормативных (в том числе оптимизационных) моделей положение сложнее: в условиях действующего экономического механизма моделируемый объект подвергается различным управляющим воздействиям, не предусмотренным моделью; надо ставить специальный экономический эксперимент с учетом требований чистоты, т.е. устранения влияния этих воздействий, что представляет собой трудную, во многом еще не решенную задачу.

Верификация имитационной модели есть проверка соответствия ее поведения предположениям экспериментатора (см. Машинная имитация). Когда модель организована в вычислительную программу для компьютера, то сначала, как обычно, исправляют ошибки в ее записи на алгоритмическом языке, а затем переходят к верификации. Это первый этап действительной подготовки к имитационному эксперименту. Подбираются некоторые исходные данные, для которых могут быть предсказаны результаты просчета. Если окажется, что компьютер выдает данные, противоречащие тем, которые ожидались при формировании модели, значит, модель неверна. В обратном случае переходят к следующему этапу проверки работоспособности модели — ее валидации.

Полезное

Смотреть что такое «Верификация модели» в других словарях:

верификация модели — Проверка ее истинности, адекватности. В отношении к дескриптивным моделям В. м. сводится к сопоставлению расчетных результатов по модели с соответствующими данными действительности массовыми фактами и закономерностями экономического развития. В… … Справочник технического переводчика

верификация (проверка) — 1. Процесс определения соответствия качества или характеристик продукта или услуги тому, что предписывается, предопределяется или требуется. Верификация тесно связана с обеспечением качества и контролем качества. верификация компьютерной системы… … Справочник технического переводчика

верификация — 02.02.03 верификация (символ) [verification]: Техническая процедура проверки, посредством которой производят измерения символа для определения его соответствия требованиям спецификации к этому символу. Источник … Словарь-справочник терминов нормативно-технической документации

верификация манекена — 3.7 верификация манекена (manikin verification): Действия по подтверждению того, что выполнение функций компьютерного манекена соответствует установленным требованиям. Источник … Словарь-справочник терминов нормативно-технической документации

Верификация — (позднелат. verificatio доказательство, подтверждение, от лат. verus истинный и facio делаю) эмпирическое подтверждение теоретических положений науки путём «возвращения» к наглядному уровню познания, когда идеальный характер абстракций… … Большая советская энциклопедия

адекватность модели — Соответствие модели моделируемому объекту или процессу. [http://sl3d.ru/o slovare.html] адекватность модели Соответствие модели моделируемому объекту или процессу. Адекватность в какой то мере условное понятие, так как полного соответствия модели … Справочник технического переводчика

Адекватность модели — [adequacy of a model] соответствие модели моделируемому объекту или процессу. Адекватность в какой то мере условное понятие, так как полного соответствия модели реальному объекту быть не может: иначе это была бы не модель, а сам объект. При… … Экономико-математический словарь

инверсная верификация — Верификация прогноза путём проверки адекватности прогнозной модели на периоде прогнозной ретроспекции … Политехнический терминологический толковый словарь

ГОСТ Р ИСО 15536-2-2010: Эргономика. Компьютерные манекены и модели тела. Часть 2. Верификация функций и валидация размеров компьютерного манекена для систем моделирования — Терминология ГОСТ Р ИСО 15536 2 2010: Эргономика. Компьютерные манекены и модели тела. Часть 2. Верификация функций и валидация размеров компьютерного манекена для систем моделирования оригинал документа: 3.8 валидация манекена (manikin… … Словарь-справочник терминов нормативно-технической документации

Источник

Верификация и валидация моделей для инженерных расчетов

Применительно к данным видам моделей для проверки их адекватности используются подход верификации и валидации. Верификация проводится в области математики, а валидация – в области физики.

Верификация

Как следует из данного определения, процесс верификации позволяет достичь уверенности в корректности численной модели. Процесс верификации модели состоит из двух шагов:

— Верификация программного кода для подтверждения того, что математические модели и алгоритмы численного решения систем уравнений работают корректно;

— Верификация вычислений для подтверждения того, что дискретизация расчетной области выполнена корректно, и дискретное решение с необходимой степенью точности соответствует математической модели.

Верификация программного кода

Проведение верификации программного кода относится к области ответственности разработчика программного обеспечения, который должен использовать современные методики и системы управления качеством, а также проводить тщательное тестирование каждого релиза программного кода.

Верификация вычислений

Второй составляющей процесса верификации является верификация вычислений – определение точности численного решения для заданной дискретизации расчетной области. Численное и аналитическое решения apriori отличаются, поскольку дискретное решение является лишь аппроксимацией аналитического. Поэтому целью верификации вычислений является установление количественного значения погрешности для заданной дискретной модели.

Погрешности, связанные с дискретизацией, наиболее часто определяются путем сравнения полученного численного решения с другими численными решениями на двух дополнительных дискретных моделях (вычислительных сетках) с уменьшенным размером ячейки (элемента). Целью сравнений решений на различных сетках является определение практической сходимости решения в интересующей исследователя области. Основная ответственность за верификацию вычислений лежит на исследователе – пользователе программного продукта. При том, что разработчик программного кода, несомненно, должен отвечать за корректность разработанных алгоритмов, он не может нести ответственность за то, что созданная пользователем расчетная сетка (дискретная модель) будет достаточно качественной для достижения алгоритмической точности. Таким образом, за ошибки в расчетах вследствие грубой или некорректно созданной расчетной сетки, полностью отвечает пользователь программного продукта. Недостаточные исследования чувствительности численного решения к размеру элемента расчетной сетки являются наиболее часто встречающимся упущением исследователей при проведении расчетов численными методами, при том, что данная техника верификации достаточно проста для реализации.

Валидация

Ни один из этапов верификации не позволяет определить, насколько выбранные модели адекватны объекту исследования. Оценка соответствия численной модели реальному миру относится к задачам валидации, которая позволяет определить, насколько физические явления и законы, включенные исследователем в расчетную модель, соответствуют постановке исходной задачи и достаточны для получения требуемых решений.

Способ взаимодействия физической и математической дисциплин в процессе верификации и валидации схематически представлен на рисунке.

После выбора расчетной схемы процесс верификации и валидации расходится на две ветви. Левая ветвь относится к области математического моделирования, а правая – к области физического эксперимента. В конечном итоге лишь физические наблюдения могут подтвердить или опровергнуть адекватность выбранной расчетной схемы и математической модели для представления объекта исследования. Тесное взаимодействие инженеров-расчетчиков и экспериментаторов требуется на всех стадиях процедуры верификации и валидации, т.к. математическая и физическая модели обязательно будут отличаться. Как простой пример, рассмотрим задачу нагружения балки, заделанной на одном конце. С точки зрения математика граничное условие заделки является тривиальным, но в физической лаборатории не существует оборудования, обеспечивающего такое явление как полная заделка, вследствие конечной жесткости оборудования и трехмерного характера физической модели, в отличие от математической модели балки. Таким образом, некоторые элементы расчетной схемы достаточно просто включить как в математическую, так и в физическую модель, а иные – гораздо сложнее. Для понимания природы этих расхождений и их возможного устранения должны проводиться предварительные расчеты, что отражено на схеме.

Также крайне важно, чтобы результаты эксперимента не были бы известны расчетчикам заранее, до получения численного решения. Основная причина этого – убедиться в «предсказательных возможностях» численной модели. Если результаты эксперимента известны расчетчику заранее, что естественным будет желание «настроить» модель на конкретный результат. Это снижает уровень доверия к численной модели.

Источник

Верификация цифровых схем. Обзор

Я постараюсь в общем рассказать о верификации цифровых схем.

Верификация в данной области — это важный процесс, требующий привлечения опытных инженеров. Например, специалист по верификации, работающий над системами с ЦПУ, как правило должен владеть скриптовыми языками и языками командных оболочек (Tcl, bash, Makefile и т.п.), языками программирования (С, С++, ассемблер), HDL/HDVL (SystemVerilog [10, Appendix C — история языка][11], Verilog, VHDL), современными методологиями и framework’ами (UVM).

Доля времени, затраченного на верификацию, доходит до 70-80% от всего времени проекта. Одна из основных причин такого внимания в том, что к микросхеме нельзя выпустить “патч” после того, как ее отдали в производство, можно только выпустить “silicon errata” (это не касается проектов ПЛИС/FPGA).

Под цифровыми схемами я подразумеваю:

Актуальные проблемы верификации

О текущем состояние и тенденциях в сфере верификации можно судить по следующим вызовам и проблемам, с которыми она сталкивается [6]:

Типы верификации

Верификацию цифровых схем можно разделить на следующие основные типы:

Функциональная верификация в объеме всех работ наиболее значительна и требует непосредственного участия человека.

Статический анализ кода требуют только первоначальной настройки инструментов, которая соответствует внутренним правилам проектирования, принятым в компании, дальше инструмент занимается тем, что выдает “ценные указания” разработчикам и постоянного присмотра не требует.

Инструменты формальной верификации часто тоже весьма самостоятельны, требует только внимательного анализа отчетов, которые они генерируют. Они также подходят для реверс-инжиниринга, когда вам, по какой-то одному вам известной причине, приходится восстанавливать код из списка цепей.

Примеры инструментов верификации

Примеры инструментов верификации цифровых схем (маршрут digital-on-top):

Методы функциональной верификации

Функциональная верификация — представляет собой набор тестов, условно позволю себе разбить на три группы (это не догма, это из личного опыта):

Первые две стадии поддаются автоматизации с помощью UVC/VIP(Universal Verification Component/Verification IP) и достаточно быстро там можно нарастить объем различных тестов, в том числе — генерируемых автоматически. Третья стадия — это «masterpiece» в верификации, эта стадия требует неординарного подхода и опыта, очень сложно автоматизируется, т.к. большинство ситуаций — это отдельный алгоритм, возможно скрипт для САПР или инструкции для «ручных» проверок.

Типы метрик функциональной верификации

Метрики — это показатели охвата проекта тестами. Они нужны для того, чтобы понять какие еще тесты необходимо разработать для проверки возможных ситуаций и сколько предположительно времени может занять верификация [16].

К сожалению, только один тип метрик оценивается на основании исходного кода проекта, определение критериев для остальных типов — это результат интеллектуального труда.

К тому же, необходимо помнить, что достижение желаемых показателей одним типом метрик никак не говорит о работоспособности в целом, всегда необходимо оценивать комплекс.

Методы функциональной верификации

Directed Tests Method (DTM)

Прямые, осмысленные тесты. Если принимается этот метод в проекте, то план верификации составляется из тестов направленных на проверку поведения ОВ в конкретных интересующих точках(состояниях). Проверить все возможные ситуации, особенно в сложных проектах, почти не возможно.
При этом проблемы, которые могут возникнуть в ситуациях не покрытых тестами не обнаруживаются до того, как устройство начинают использовать в реальных условиях. Обычно в этих тестах используются метрики функционального покрытия.

Coverage-Driven Verification, Metric-Driven Verification (CDV, MDV) [17]

Концепция создания тестов, направленная на достижение определенного «тестового покрытия» ОВ. Опираются на метрики, чтобы понять какие тесты необходимо добавить в план верификации, чтобы достигнуть целевых показателей готовности проекта.
Необходимо использовать инструменты анализа покрытия, чтобы посмотреть, что еще добавить в план верификации. По-сути, если начать корректировать план верификации в DTM, опираясь хотя бы на “покрытие кода”, то уже можно считать, что от DTM плавно перешли к CDV.

Constrained Random Verification (CRV)

Верификация подачей случайных воздействий. Это действительно автоматические тесты с генерацией случайных воздействий на ОВ, только их трудно представить без симбиоза с ABV.
Метод очень затратный вначале, т.к. требуется длительное время на подготовку инструментов. После того как начальный этап подготовки пройден, то тестирование может запускаться автоматически, многократно с разными исходными данными. При выявлении несоответствия assertion, команда разработчиков и верификаторов приступает к анализу выявленной ошибки.
В реальном проекте нельзя ограничится только этим методом, т.к. этим методом можно собрать покрытие кода и покрытие утверждений, а они могут ничего не говорить о правильности работы ОВ, т.е. соответствии спецификации. Его необходимо дополнять функциональными тестами.
Для реализации данной методологии требуется:

Assertion Based Verification[9] (ABV)

Верификация с помощью утверждений. Наверное, это даже не самостоятельный метод, а некоторый компонент или базовая составляющая вышеупомянутых.

Важным вопросом при ABV является как распределить assertions, какие из них лучше поместить в исходные код ОВ, какие нужно иметь в тестовое окружение.

Сразу стоит отметить, что язык Verilog не имеет assertions в своем стандарте (их можно создать с использованием основных конструкций языка, но необходимы директивы для синтезатора, чтобы он не занимался их преобразованием). Аssertions появляются только в стандарте SystemVerilog, а так же они изначально были в стандарте языка VHDL и e.

Предлагаю ознакомиться с рекомендациями специалистов, в том числе Clifford’а Cummings’а [12, статьи про SVA] о распределении работ по их написанию, а также с материалами по ABV на сайте Verification Academy [13].

Источник

Что такое верификация модели

Можно выделить шесть основных этапов эконометрического моделирования постановочный, априорный, этап параметризации, информационный, этапы идентификации и верификации модели [1]. [c.21]

Следует заметить, что если имеются статистические данные, характеризующие моделируемый экономический объект в данный и предшествующие моменты времени, то для верификации модели, построенной для прогноза, достаточно сравнить реальные значения переменных в последующие моменты времени с соответствующими их значениями, полученными на основе рассматриваемой модели по данным предшествующих моментов. [c.23]

Верификация модели 22 Вероятностная зависимость 38, 50 Вероятность события 24 [c.299]

Верификация модели — проверка ее истинности, адекватности. В отношении к дескриптивным моделям. Верификация модели сводится к сопоставлению результатов расчетов по модели соответствующими данными действительности — фактами и закономерностями экономического развития. Верификации имитационной модели есть проверка соответствия ее поведения предположениям экспериментатора. [c.211]

Верификация моделей расчета VaR по историческим данным [c.250]

Таким же образом были рассчитаны значения VaR для каждого актива v проведена верификация модели по историческим данным (табл. 3.32). [c.267]

Необходимость в специальной верификации модели по историческим данным возникает в силу того, что банки не могут использовать для этой цели непосредственно свои оценки 10-дневного VaR, которые они рассчитывают каждый день в целях определения размера резервируемого капитала. Это объясняется тем, что сравнивать прогнозную величину VaR, рассчитанную на 10 дней, с финансовым результатом за этот же период времени было бы некорректно из-за значительных изменений в структуре портфеля, которые, вероятно, произойдут в течение этих 10 дней. Именно поэтому банк должен заново рассчитать с использованием той же внутренней модели величину VaR на каждый день из предшествующих 250 дней торгов, но уже с горизонтом прогнозирования в один день. [c.655]

Тем не менее изменения в структуре портфеля возможны и в течение одного торгового дня, а на финансовый результат от торговых операций могут оказывать влияние суммы полученных брокерами комиссионных вознаграждений (в частности, от продажи новых финансовых инструментов), которые не имеют отношения к риску, связанному со структурой неизменного портфеля и отражаемому показателем VaR. Ввиду этого Базельский комитет рекомендует банкам проводить верификацию моделей путем сравнения величины VaR, рассчитанной на один день, как с реальными прибылями и убытками от торговой деятельности, так и с теоретическим финансовым результатом, рассчитываемым как изменение рыночной стоимости портфеля при уело- [c.655]

Реинжиниринг стратегических бизнес-процессов компании обусловлен новыми тенденциями развития общества и экономики, предъявляющими жесткие требования к задачам управления создаваемыми, действующими и развивающимися корпорациями, так как конкурентоспособное функционирование корпораций становится невозможным без реорганизации стратегических бизнес-процессов, представляющей собой совокупность стратегических мероприятий по комплексному совершенствованию системы управления, технологий деятельности, внутреннего и внешнего взаимодействия. Проведение реинжиниринга стратегических бизнес-процессов потребовало детального анализа стратегических моделей. Таким образом, центр тяжести смещается от ключевой верификации оценки качества бизнес-процесса к интегрированной функциональности статистический анализ и представление результатов в наглядном виде линейное программирование и вычисление наиболее эффективных комбинаций ресурсов функционально-стоимостной анализ динамическое моделирование, в том числе анимационными средствами. [c.77]

Расчеты при прогнозировании рекомендуется проводить в такой последовательности. На основе изучения общих закономерностей развития процесса формирования потребности народного хозяйства в нефтепродуктах поэтапно определяют кратко-, средне- и долгосрочные прогнозы потребности в нефтепродуктах по управлению в целом. Для получения более надежных прогнозов потребность в нефтепродуктах определяют несколькими способами с использованием различных математических моделей. Полученные варианты потребности предназначены для проведения процедуры верификации, позволяющей получать прогнозы с достаточно высокой для практических рекомендаций вероятностью. [c.25]

На всех этапах прогнозирования (кратко-, средне- и долгосрочного) первоначально строятся научно обоснованные прогнозы в целом по управлению в разрезе отдельных видов нефтепродуктов. Затем, на основе изучения закономерностей формирования процесса потребления, разрабатываются сбалансированные прогнозы в территориальном разрезе и в разрезе отдельных марок нефтепродуктов. На каждом этапе прогнозирования научно обоснованный прогноз строится тремя способами. Для каждого из них необходима своя информация. Помимо этого по каждому способу проводятся дублированные расчеты с использованием нескольких математических моделей. Результаты, полученные при прогнозировании всеми способами, используются для проведения процедуры верификации, которая позволяет повысить точность прогнозирования и определить различные варианты перспективной потребности в нефтепродуктах минимальный, наиболее достоверный и максимальный. Для увязки временных горизонтов прогнозирования предусматривается использование результатов краткосрочного прогнозирования в качестве входной информации при построении среднесрочных прогнозов, а результатов среднесрочного прогнозирования — при построении долгосрочных прогнозов. [c.50]

В. первом комплексе процесс верификации параллельных прогнозов, полученных различными способами, осуществляется с помощью трех количественных экспертных оценок, необходимых для стыковки частных прогнозов первая оценка предназначена для стыковки различных прогнозов потребности в автобензине сельского хозяйства, вторая — автотранспорта общего пользования, третья — управления в целом. Модель 15 позволяет учесть конкретные заявки потребителей при ожидающихся резких изменениях в объемах потребляемого ими горючего. [c.117]

Проведение коррекции временных рядов по результатам среднесрочного прогнозирования предусмотрено в моделях 1—9. Таким образом, при верификации прогнозов по каждому нефтепродукту рассматривается шесть вариантов потребностей. Это позволяет более достоверно определить надежность основного прогноза и выбрать максимальный и минимальный варианты потребности народного хозяйства в автобензине >и дизельном топливе. [c.119]

Последовательность этапов в модели соответствует структуре подцелей системы ПО. Каждый этап реализуется циклически и включает процедуры подтверждения или верификации его результатов. Пошаговые подтверждение или верификация позволяют наиболее согласованно и в точном соответствии с заданными требованиями вести разработку ПО и добиться его максимальной надежности. [c.88]

Общий недостаток методов исключения тенденции заключается в том, что эти методы предполагают некоторую модификацию модели (6.1) вследствие либо замены переменных, либо добавления в эту модель фактора времени. Однако большая часть соотношений, постулируемых экономической теорией, верификацией которых занимается эконометрика, сформулирована в терминах уровней временных рядов, а не их последовательных разностей или отклонений от трендов и предполагает измерение взаимосвязи переменных без включения в модель каких-либо дополнительных факторов (например, переменной времени). [c.282]

В последние годы эконометрические методы, разработанные для построения и анализа моделей авторегрессии и моделей с распределенным лагом, широко используются для эмпирической верификации макроэкономических моделей, в которых учитываются ожидания экономических агентов относительно значений экономических показателей, включенных в модель, в момент времени /. [c.319]

См. также Верификация модели, Ва-лидация модели. [c.14]

ВЕРИФИКАЦИЯ МОДЕЛИ [model verifi ation] — проверка ее истинности, адекватности. В отношении к дескриптивным моделям В.м. сводится к сопоставлению результатов расчетов по модели с соответствующими данными действительности — фактами и закономерностями экономического развития. В отношении нормативных (в том числе оптимизационных) моделей положение сложнее в условиях действующего экономического механизма моделируемый объект подвергается различным управляющий воздействиям, не предусмотренным моделью надо ставить специальный экономический эксперимент с учетом требований чистоты, т. е. устранения влияния этих воздействий, что представляет собой трудную, во многом еще не решенную задачу. [c.44]

И.м. является динамической моделью в том смысле, что в ней присутствует время — когда проигрывается серия вариантов развития исследуемого объекта. С другой стороны, И.м., как правило, является адаптивной моделью (см. Адаптация), ибо совершенствуется, уточняется в процессе использования. Она может быть детерминированной, но чаще—вероятностной (т.е. содержащей стохастические элементы) часто она содержит наряду с машинными также блоки, где решения принимаются человеком. См. Валидация модели, Верификация модели, Машинная имитация. [c.120]

Таким образом, М.и. экономических процессов — это, по существу, эксперимент, но не в реальных, а в искусственных условиях. Разрабатываются методы паанирования эксперимента, проверки имитационной модели (см. Верификация моделей, Валидация модели), анализа функции отклика и т.д. [c.191]

Если по результатам верификации модели точность оценок VaR оказыв ется неудовлетворительной, необходимо проверить выбранное распределен доходности и его параметры на соответствие реально наблюдаемым, проан лизировать ретроспективу данных на наличие аномальных явлений на рынк и, возможно, изменить ее глубину при оценке входных параметров модели. [c.250]

Верификация модели расчета VaR может проводиться по различным статистиче ким критериям, в том числе таким, как частота превышений убытками величин VaR, независимость превышений, независимость приращений (прибылей/убыткоЕ равномерность распределения квантилей, общая адекватность модели. Стандар ная методика верификации VaR-моделей, предложенная Базельским комитетом, ра сматривается в п. 9.53. Подробнее о методах верификации см. также [32]. [c.250]

Различные методы верификации моделей расчета VaK по историческим даннь рассматриваются в [11, 51]. [c.610]

Привлечение компетентных независимых экспертов из научных уч реждений, имеющих высокую профессиональную репутацию, для проведение внешней верификации модели на регулярной основе является альтернати вой созданию собственного подразделения контроля [55]. Хотя такой подхо сопряжен с гораздо меньшими затратами, он может оказаться и менее эф фективным — внешний консультант не в состоянии контролировать возмож ные злоупотребления риск-менеджеров, а также следить за поддержание точности модели на постоянной основе. [c.612]

В то же время этот подход не является столь же универсальным, как стан-ртный подход, поскольку может применяться только в отношении банков, еющих собственные модели оценки рыночного риска. Расчет требований к питалу с учетом степени точности оценок VaR делает необходимым доро- тоящую верификацию модели органом надзора, что помимо роста издер- [c.659]

Важнейшим понятием экономико-математического моделирования является понятие адекватности модели или соответствия модели реальному объекту. При проверке модели на адекватность выделяют два аспекта, а именно, верификация модели (проверка правильности структуры модели) и валидация модели (проверка соответствия данных моделирования реальному процессу). [c.7]

Степень объективности учета по методу СРР практически такая же, как по методу НСА, если не брать во внимание выбор индекса. Возможность верификации также аналогична. В результате применения этого метода поддерживается покупательная способность капитала, а не финансовый, или номинальный, капитал. Показатель прибыли несколько лучше отражает экономическую эффективность деятельности предприятия, чем в модели учета по себестоимости, так как в рамках СРР предпринимается попытка измерять прибыль таким образом, чтобы она представляла собой максимальную сумму средств, которую можно было бы использовать (распределить), не уменьшив покупательную способность фирмы к концу периода по сравнению с началом. Однако для конкретных видов активов скорректированная оценка может точно не отражать их текущей стоимости. (Хотя во времена инфляции она ближе к действительности, чем неоткорректированная.) [c.336]

Эмпирические исследования. Стратегический менеджмент — высоко теоретизированная область управленческих исследований. Это проявляется, прежде всего, в изобилии моделей как локальных процессов, так и разработки глобальных стратегий. Модели нуждаются в постоянной верификации, т.е. в подтверждении опытными данными. [c.12]

На втором этапе расчета производится проверка прогнозных свойств отобранных моделей. Для этого по данным укороченного динамического ряда (например, вместо 20 лет исследуются 15 лет) рассчитываются функции, аналогичные выбранным. По этим функциям осуществляется экстраполяция на участок аппроксимации, составляющей 5 лет (20—15 лет). Абсолютные величины отклонений расчетных значений функции от фактических на участке аппроксимации характезируют точность полученных уравнений, необходимых для прогноза. Выбирается не более трех функций, имеющих наименьшие отклонения. По1 отобранным на втором этапе функциям первоначально строятся частные прогнозы потребности, поступающие на верификацию. [c.57]

В общем виде процесс прогнозирования потребности народ-наго хозяйства в автобензине и дизельном топливе на уровне территориального управления, начиная с постановки задачи и кончая выдачей прогноза и его допусков, может быть представлен блок-схемой (рис. 1), состоящей из 26 отдельных блоков, каждый из которых обозначает либо этап в процессе производства прогноза, либо характер используемых средств. Блоки 1—6 характеризуют лредпрогнозный этап блоки 7—11 — информационную базу, на которой основывается весь процесс производства прогноза. Блок 12 соответствует формированию информационных массивов на основании данных первых 11 бло ков. Блоки 13—15 отражают основные характеристики объектов прогноза. Предварительный анализ завершается операциями блока 16, на основании которого производится выбор методов прогнозирования (блоки 17—20). Результатом применения методов прогнозирования к объекту прогноза с использованием ЭВМ (блок 21) являются отдельные прогнозы (блок 22) и синтез прогнозных моделей (блок 23). Оценка достоверности прогнозных моделей осуществляется путем их верификации (блок 24). Заканчивается прогнозирование составлением доклада (блок 25) и рекомендациями для прогнозирования потребности на следующем этапе (блок 26). [c.36]

Чтобы оценить проблему, создаваемую мыслящими участниками, необходимо более внимательно рассмотреть, как функционирует научный метод. С этой целью я обращаюсь к схематическому описанию научного метода, предложенному Карлом Поппером и описываемому в научной терминологии как «дедуктивно-номологи-ческая» модель, или модель «D-N». Как и всякая модель, она является упрощенной и идеализированной версией более сложной реальности, но именно в силу того, что она проста и элегантна, она прекрасно соответствует моим целям. Модель построена на утверждениях трех типов конкретные исходные условия, конкретные конечные условия и универсально верные обобщения. Комбинируя некоторый набор обобщений с известными исходными условиями, мы получаем прогнозы комбинируя этот набор с известными конечными условиями, мы получаем объяснения сопоставление известных исходных условий с известными конечными условиями дает возможность подвергнуть тестированию соответствующие обобщения. Как можно заметить, существует симметрия между прогнозами и объяснениями их можно логически поменять местами. С тестированием иначе, поскольку никакой объем тестирования не может доказать, что обобщение универсально истинно. Возможна лишь фальсификация научных теорий, верификация же — невозможна. Асимметрия между фальсификацией и верификацией наряду с симметрией между прогнозом и объяснением — таковы две основные характеристики схемы Поппера. [c.36]

Для формальной верификации гипотез необходимо соответствие между графом и системой уравнений, его описывающей. Алгебраическая система, соответствующая графу без контуров (петель), является рекурсивной системой, позволяющей рекур-рентно определять значения входящих в нее переменных. В такой системе в уравнения для признака xt включаются все переменные, за исключением расположенных выше его по графу связей. Формулировка гипотез в структуре рекуррентной модели обычно не вызывает затруднений при использовании данных в динамике. Если же анализируются статистические данные, то следует учитывать зависимость системы от ее прошлых состояний. [c.213]

Смотреть страницы где упоминается термин Верификация модели

Источник