Имитационная модель оценки и прогнозирования эффективности поиска подводной лодки
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
и, после которого обнаружения пл средствами КПУГ не производится, клапан открывается. В исходном состоянии клапан закрыт.
Клапан 9 - предназначен для пропускания заявки из источников U1, U2 или U3, в момент времени до истечении заданного. В исходном состоянии клапан открыт. Закрывается если время станет больше 2 часов.
3. Описание переменных и констант
Константы:
1. R=15000 - радиус ОВМ пл в метрах;
. Ttreb=7200 - время одного прогона в секундах;
. Vpl=15 - скорость пл в м/с;
. Vnk=15 - скорость КПУГ в м/с;
. Y1=0,03/60 - интенсивность обнаружения КПУГ пл в 1/сек;
. Y2=0,02/60 - интенсивность обнаружения пл средствами КПУГ без уклонения в 1/сек;
. Y3=0,01/60 - интенсивность обнаружения ПЛ средствами КПУГ с уклонением в 1/сек;
. D0min=15000 -минимальное расстояние от КПУГ до ТПК в метрах;
. D0max=35000 - максимальное расстояние от КПУГдо ТПК в метрах;
.M=100 - количество больших прогонов;
. N=100 -количество малых прогонов;
. Tb=1,96 -квантиль;
. е0=0,05 - заданная относительная точность;
Переменные:
1. D0 - расстояние от КПУГ до ТПК;
. t - текущее время;
. Nobn - количество обнаруженных пл;
. Nnеobn - количество необнаруженных пл;
. tk1, tk2, tk3, tk4, tk5 - моменты выхода заявки из каналов 1, 2, 3, 4 и 5;
. Pobn -вероятность обнаружения пл;
. SMO - сумма математического ожидания;
. SM2 - квадрат суммы математического ожидания;
. МО - математическое ожидание;
. D - дисперсия;
. E - относительная точность;
. Nneobh - необходимое количество прогонов.
4. Математическая модель
1. Pobn:=Nobn/N - основная формула. Вероятность обнаружения пл;
. Nobn:=Nobn+1, если (t=tk3) или (t=tk4) - накопление обнаруженных пл;
. tk3:=t-ln(Random)/Y2, если (t=tk1) и (tk2>tk1) - расчет момента вре-мени обнаружения пл средствами КПУГ без уклонения;
. tk4:=t-ln(Random)/Y3, если (t=tk5) и (tk5<tk3) - расчет момента вре-мени обнаружения пл средствами КПУГ с уклонением;
. tk5:=t-ln(Random)/Y1, если (t=tk1) и (tk2>tk1) - расчет момента вре-мени обнаружения КПУГ пл;
. tk1:=t+(D0-R)/Vnk, если t=0 - расчет момента времени достижения КПУГ до начала поиска пл;
. tk2:=t+R/Vpl, если t=0 - расчет времени выхода пл из радиуса ОВМ;
t:=tk1, если (tk2>tk1)
t:=tk5, если (tk5<tk3) и (tk5<=Ttreb)
t:=tk3, если (tk3<=tk5) и (tk3<=Ttreb)
t:=tk4, если (tk4<=Ttreb)
5. Накопление результатов моделирования
1. Pobn:=Nobn/N - вероятность обнаружения пл;
. SMO:=SMO+Pobn - сумма вероятностей обнаружения пл;
. SM2:=SM2+Pobn*Pobn - сумма квадратов вероятностей обнаружения пл.
6. Обработка результатов моделирования
1. MO:=SMO/N; 2. D:=(SM2-(SMO*SMO)/N)/(N-1); 3. E:=Tb*sqrt(D/N); 4. e0r:=E/MO или e0r:=E/(1-MO); 5. Nneobh:=Tb*Tb*D/(MO*MO*e0*e0);
7. Блок-схема обобщенного алгоритма модели
8. Блок-схемы процедур алгоритма
Процедура определения факта обнаружения пл и накопление количества обнаружения пл
Процедура задания и вычисления начальных условий одного малого прогона
Процедура задания и вычисления начальных условий одного большого прогон
Процедура обработки результатов моделирования
Накопление результатов моделирования
Ввод исходных данных
Вывод результатов моделирования данных
9. Листинг программы
Program kursovik;Crt;
R=15000;{Padius OVM pl v metrax}=7200;{vrem9 odnogo progona}=15;{skorost' pl}=15;{skorost KPYG}=0.03/60;{intensivnost' obnary8eni9 KPUG Plom}=0.02/60;{intensivnost' obnary8eni9 PL sredstvami KPYG bez ykloneni9}=0.01/60;{intensivnost' obnary8eniz PL sredstvami KPYG s ykloneniem}
D0min=15000;{min rasstoenie ot KPYG do TPK}max=35000;{max rasstoanie ot KPYG do TPK}=100;=100;=1.96;=0.05;,Nneobn,t,tk1,tk2,tk3,tk4,tk5,i,j,Nneobx:integer;
SMO,SM2,Pobn,MO,D,SKO,E,E1,E0r,D0:real;
Procedure NU_BP;:=0;:=0;;NU_MP;:=0;:=D0min+Random(D0max-D0min);:=t+Round((D0-R)/Vnk);:=t+Round(R/Vpl);;Opr_obn;tk2>tk1 then
begin:=tk1;:=t-Round(ln(Random)/Y2);:=t-Round(ln(Random)/Y1);
If tk5<tk3 thentk5<Ttreb then:=tk5;:=t-Round(ln(Random)/Y3);tk4<=Ttreb then:=tk4;:=Nobn+1:=Nneobn+1:=Nneobn+1tk3<=Ttreb then:=tk3;:=Nobn+1:=Nneobn+1;Nneobn:=Nneobn+1;NAK_Rez;:=Nobn/Nzad;:=SMO+Pobn;:=SM2+Pobn*Pobn;;Obrabotka;:=SMO/m;
D:=(SM2-(SMO*SMO)/m)/(m-1);:=sqrt(D);
E:=Tb*Sqrt(D/m);MO<=0.5 then
beginr:=E/MO;:=Round((Tb*Tb*d)/(MO*MO*e0*e0));
endr:=E/(1-MO);
Nneobx:=Round((tb*Tb*D)/((1-MO)*(1-MO)*e0*e0));
end;;VIVOD;;
Write(' Mo=',mo:1:4,' SKO=',sko:1:4);
Write(' D=',D:1:6,' E=',e:1:5,' E0r=',e0r:1:6,' Nneobx=',Nneobx );
End;;;;:=0;:=0;i:=1 to m do_BP;j:=1 to Nzad do_MP;_obn;;_REZ;(' ',Nobn);;
Obrabotka;
VIVOD;
End.
10. Результаты (количество обнаруженных пл из 100 прогонов)
MO=0,8172, SKO=0,0397, D=0,001574, E=0,00778, E0r=0,042537, Nneobh=72.
91858281858486848480818483818486858077787989847980878577827282848885838483837673808480817677817581887988837786728282828086768482798280818682788780788381898384848673807078848378828288868182867679747879
11. Построение эмпирической функции плотности распределения значений отклика
Определение эмпирического закона распределения случайной величины отклика и поверить гипотезу о его согласованности с нормальным законом распределения Пирсона и Колмогорова-Смирнова, если в результате 100 прогонов программной модели получена следующая статистика значений отклика:
55646755525360515658665957565661616259545655595353525851616154615650656758565461595950576255616066575749545960575553595161575059535356534861585652585753535560585260635455576153535652565955664757645655ymin=47, ymax=67;
MO=56,91, SKO=4,38, D=19,21, E=0,86, E0r=0,019;
оценка математического ожидания ?=56,91;
Оценка дисперсии D=19,21;
?=4,38 - среднеквадратическое отклонение.
Разобьем интервал значений отклика на L равных интервалов. Если y - дискретная переменная, то каждый интервал должен соответствовать одному из возможных значений yi. Если же переменная y - непрерывная, то весь диапазон ее значений разбивается на 5 - 20 равных интервалов. Один из возможных способов определения количества и размера интервалов:
L .