" Н а у к а м о л о д ы х " , 3 0 - 3 1 м а р т а 2 0 1 7 г . , А р з а м а с
П о с в я щ а е т с я 1 0 0 - л е т и ю Р о с т и с л а в а Е в г е н ь е в и ч а А л е к с е е в а
492
Расход по
соплу,
м
3
/ч
Диаметр
выходного
отверстия
сопла, м
Газодинамич
еский
коэффициент
расхода
Температур
а перед
соплом,
0
С
Атмосферное
давление, Па
Перепад
давления
на сопле,
Па
339.09
42.4628
0.9415
293.28
99708
4197
200.48
29.6383
0.9544
293.38
99708
4345
412.3
42.4628
0.9415
293.79
99330
4265
232.34
29.6383
0.9544
294.55
99330
5953
100.77
18.7323
0.9478
293.46
99330
6736
80.01
18.7323
0.9478
293.29
99708
4399
79.96
18.7323
0.9478
293.02
100664
4440
В таблице 3 приведены значения погрешностей измерения расхода газа
при переменной и постоянной обучающих выборках.
Таблица 3.
Средняя абсолютная погрешность
точек проверочной выборки при
переменной обучающей выборке
Средняя абсолютная погрешность точек
проверочной выборки при постоянной
обучающей выборке
-0.0001
0.0012
-0.0033
0.0316
-0.0001
0.0007
-0.0005
0.0005
-0.0017
0.0012
-0.0005
0.0021
0.0075
0.0075
Средняя абсолютная погрешность
0.0008
0.0064
Результаты, приведённые в таблице 3, говорят о том, что нейросетевая
модель с переменной обучающей выборкой имеет меньшие значения
погрешностей по сравнению с обычной нейросетевой моделью и может быть
рекомендована к использованию в расчётах расхода газа с помощью сопла
Витошинского.
Библиографический список
1.
Золотаревский, С.Ю.
Опыт NIST по изучению измерительных
потребностей современных инновационных технологий // Законодательная и
прикладная метрология. – 2007. – №6. – С. 5-7.
2.
Качалов О.Б. Методы снижения погрешности аппроксимирующих
зависимостей/ О.Б. Качалов, Н.П. Ямпурин// Международная научно-
техническая конференция
«АНТЭ-2013»,
сборник докладов. - 2013. - С.200-203.
