Бюллетень ЕАПВ "Изобретения (евразийские заявки и патенты)"
Бюллетень 1´2010

  

(11) 

013102 (13) B1       Разделы: A B C D E F G H    

(21) 

200870273

(22) 

2007.02.16

(51) 

G06F 17/50 (2006.01)

(31) 

60/774,589; 11/595,508

(32) 

2006.02.17; 2006.11.10

(33) 

US

(43) 

2009.06.30

(86) 

PCT/US2007/004248

(87) 

WO 2007/098087 2007.08.30

(71) 

(73) ЛОДЖИНД Б.В. (NL)

(72) 

Цангл Георг, Штунднер Михель (AT)

(74) 

Медведев В.Н. (RU)

(54) 

CПОСОБ ИСТОРИЧЕСКОГО СОГЛАСОВАНИЯ ИМИТАЦИОННОЙ МОДЕЛИ С ИСПОЛЬЗОВАНИЕМ САМООРГАНИЗУЮЩИХСЯ КАРТ ДЛЯ ГЕНЕРАЦИИ ОБЛАСТЕЙ В ИМИТАЦИОННОЙ МОДЕЛИ

(57) 1. Способ исторического согласования имитационной модели, содержащий этапы, на которых:

(a) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение,

(b) вводят исторически известные входные данные в модель,

(c) генерируют выходные данные из модели в соответствии с исторически известными входными данными,

(d) сравнивают выходные данные из модели с набором исторически известных выходных данных,

(e) регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели, и

(f) повторяют этапы (b), (с), (d) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.

2. Способ по п.1, в котором каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в котором на этапе арифметического изменения каждой из областей модели умножают параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.

3. Способ по п.2, в котором на этапе задания областей, демонстрирующих сходное поведение в модели,

устанавливают зависимость параметров ячеек сетки на кросс-плоте,

идентифицируют кластеры точек в кросс-плоте, причем точки в кластере представляют ячейки сетки, параметры которых демонстрируют сходное поведение,

обозначают ячейки сетки на многомерном графике, одновременно выявляя те ячейки сетки в кластере, которые демонстрируют сходное поведение, и

группируют друг с другом те ячейки сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте, причем каждая группа задает область, демонстрирующую сходное поведение.

4. Устройство хранения программ, считываемое машиной, материально реализующее программу из команд, выполняемых машиной, для осуществления этапов способа исторического согласования имитационной модели на следующих этапах способа:

(a) задают области, демонстрирующие сходное поведение в модели, тем самым генерируя модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение,

(b) вводят исторически известные входные данные в модель,

(c) генерируют выходные данные из модели в соответствии с исторически известными входными данными,

(d) сравнивают выходные данные из модели с набором исторически известных выходных данных,

(e) регулируют модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели, и

(f) повторяют этапы (b), (с), (d) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.

5. Устройство хранения программ по п.4, в котором каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в котором на этапе арифметического изменения каждой из областей модели умножают параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.

6. Устройство хранения программ по п.5, в котором на этапе задания областей, демонстрирующих сходное поведение в модели,

устанавливают зависимость параметров ячеек сетки на кросс-плоте,

идентифицируют кластеры точек в кросс-плоте, причем точки в кластере представляют ячейки сетки, параметры которых демонстрируют сходное поведение,

обозначают ячейки сетки на многомерном графике, одновременно выявляя те ячейки сетки в кластере, которые демонстрируют сходное поведение, и

группируют друг с другом те ячейки сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте, причем каждая группа задает область, демонстрирующую сходное поведение.

7. Компьютерная программа, предназначенная для выполнения процессором, причем компьютерная программа, при выполнении процессором осуществляет процесс исторического согласования имитационной модели, причем процесс содержит:

(a) задание областей, демонстрирующих сходное поведение в модели, и таким образом генерацию модели, имеющей множество областей, причем каждая из множества областей демонстрирует сходное поведение,

(b) ввод исторически известных входных данных в модель,

(c) генерацию выходных данных из модели в соответствии с исторически известными входными данными,

(d) сравнение выходных данных из модели с набором исторически известных выходных данных,

(e) регулировку модели, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем этап регулировки включает в себя этап арифметического изменения каждой из областей модели, и

(f) повторение этапов (b), (с), (d) и (е), пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.

8. Компьютерная программа по п.7, в которой каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в которой на этапе арифметического изменения каждой из областей модели умножают параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.

9. Компьютерная программа по п.8, в которой на этапе задания областей, демонстрирующих сходное поведение в модели,

устанавливают зависимость параметров ячеек сетки на кросс-плоте,

идентифицируют кластеры точек в кросс-плоте, причем точки в кластере представляют ячейки сетки, параметры которых демонстрируют сходное поведение,

обозначают ячейки сетки на многомерном графике, одновременно выявляя те ячейки сетки в кластере, которые демонстрируют сходное поведение, и

группируют друг с другом те ячейки сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте, причем каждая группа задает область, демонстрирующую сходное поведение.

10. Система, предназначенная для исторического согласования имитационной модели, содержащая

первое устройство, способное задавать области, демонстрирующие сходное поведение в модели, и таким образом генерировать модель, имеющую множество областей, причем каждая из множества областей демонстрирует сходное поведение,

второе устройство, способное вводить исторически известные входные данные в модель,

третье устройство, способное генерировать выходные данные из модели в соответствии с исторически известными входными данными,

четвертое устройство, способное сравнивать выходные данные из модели с набором исторически известных выходных данных,

пятое устройство, способное регулировать модель, когда выходные данные из модели не соответствуют набору исторически известных выходных данных, причем пятое устройство включает в себя шестое устройство, способное арифметически изменять каждую из областей модели, и

седьмое устройство, способное повторять функции, осуществляемые вторым, третьим, четвертым, пятым и шестым устройствами, пока выходные данные из модели не будут соответствовать набору исторически известных выходных данных.

11. Система по п.10, в которой каждая область модели включает в себя множество ячеек сетки, причем с каждой ячейкой сетки каждой области связаны параметры, и в которой шестое устройство, способное к арифметическому изменению каждой из областей модели, содержит устройство, способное умножать параметры каждой ячейки сетки в одной или нескольких областях модели на некоторое значение.

12. Система по п.11, в которой первое устройство, способное задавать области, демонстрирующие сходное поведение в модели, содержит

устройство, способное устанавливать зависимость параметров ячеек сетки на кросс-плоте,

устройство, способное идентифицировать кластеры точек в кросс-плоте, причем точки в кластере представляют ячейки сетки, параметры которых демонстрируют сходное поведение,

устройство, способное обозначать ячейки сетки на многомерном графике, одновременно выявляя те ячейки сетки в кластере, которые демонстрируют сходное поведение, и

устройство, способное группировать друг с другом те ячейки сетки на многомерном графике, которые объединяются в кластеры на кросс-плоте, причем каждая группа задает область, демонстрирующую сходное поведение.



наверх