Komplex szénhidrogénelegyek modellezése folytonos termodinamikával

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Komplex szénhidrogénelegyek modellezése folytonos termodinamikával"

Átírás

1 Komplex szénhdrogénelegyek modellezése folytonos termodnamkával PhD értekezés Készítette: Ngo Son Ha Témavezető: Dr. Kemény Sándor, egyetem tanár Budapest Műszak és Gazdaságtudomány Egyetem Vegypar Műveletek Tanszék 25

2 Tartalomjegyzék Bevezetés I. Irodalm rész 1. A komplex elegyek modellezésének célja (m a komplex elegy, m a különlegessége, m a haszna) 1 2. Termodnamka alapok és modellek A γ ϕ -módszer Állapotegyenletek Csoport-járulék modellek Csoport-járulék modellek az aktvtás koeffcensekre Csoport-járulék modellek állapotegyenletekre 1 3. Folytonos termodnamka Defnícók A sűrűségfüggvény matematka alakja Termodnamka összefüggések Eloszlásfüggvények bonyolult elegyekre A folytonos γ ϕ -modellek A folytonos állapotegyenlet-modellek A folytonos termodnamka alkalmazásának matematka vonatkozása Az alkalmazott állapotegyenletes módszer Modellek paraméterenek becslése Becslések tulajdonsága A legksebb négyzetek módszere Rdge regresszó 26 II. Saját munka 6. A rdge regresszós módszer használhatóságának vzsgálata szmulált adatsorokon Lneárs modell, azonos nagyságrendű paraméterek Lneárs modell, különböző nagyságrendű paraméterek Nemlneárs modell, szmulácós számítás 4 7. A BvdW csoport-járulék-állapotegyenlet paraméterenek becslése a legksebb négyzetek módszerével és rdge regresszóval, az extrapolácós eredmények jóságának összehasonlítása n-alkánokra Szmulácós vzsgálat 45 2

3 7.2. Alkánok tenzójának extrapolácója nagyobb szénatom-számokra n-oktán tenzójának extrapolácója magasabb hőmérsékletre Sűrűség számítása tenzó-adatokra llesztett modellből Komplex elegy folytonos termodnamka modellezésének előkészítése: az állapotegyenlet paraméterenek becslése Dszkrét komponensek modellezése Az alfás alkánok homológ sorának csoport modellje Az aromás homológ sor csoport-járulék-modellje A nafténes (alcklusos) homológ sor csoport-modellje A paraméterbecslés javítása Az alkánok paraméterbecslésének javítása bner elegyek adatanak felhasználásával Aromás és alcklusos komponensek A CO 2 és N 2 komponensekre érvényes modell-paraméterek becslése Dszkrét komponensek alkotta elegyek fázsegyensúly modellezésének eredménye Bner elegyek Szntetkus többkomponensű elegyek Nehéz frakcíót tartalmazó elegyek nyomása a hőmérséklet függvényében Hatkomponensű alkán-elegy fázsegyensúlya Szén-doxdban dús alkán-elegy nyomása a hőmérséklet függvényében CO 2, paraffn, aromás, naftén-elegy fázsegyensúlya 9 1. Komplex elegy folytonos termodnamkája BvdW állapotegyenlet alkalmazása folytonos termodnamkában A BvdW állapotegyenlet paraméterek függvényének levezetése a csoportjárulék-modellből A sűrűség-fügvény leírása Számítás eredmények Gázkondenzátumok fázsegyensúlyának leírása Parafnos gázkondenzátum flash- és harmatpont nyomás- számítása Parafnokat, nafténeket, aromásokat tartalmazó gázkondenzátum gőz folyadék fázsegyensúlyának leírása Olaj elegy fázsegyensúlyának modellezése 16 Összefoglalás 113 Függelék 116 A. függelék: becsült paraméterek mértékegysége 116 B. Függelék: a modellek összehasonlításának céljából számított eredmények 117 B.1a. táblázat: Dardon ckk [Dardon J. L. és munkatársa(1996)] A és B elegyének számítás eredménye 117 B.1b. táblázat: Dardon ckk [Dardon J. L. és munkatársa(1996)] C és 3

4 D elegyének számítás eredménye 118 B.2. táblázat: Turek ckk [Turek és munkatársa (1981)] két elegyének számítás eredménye 119 B.3. táblázat: Angelos ckk [C.P. Angelos és munkatársa (1992)] flash számítás eredménye K hömérsékleten különböző nyomásokon, BvdW modellel 12 C. függelék: a paraméterbecslésre használt adatok 121 C.1a. táblázat: a n-pentántól n-oktáng, a krtkus pontg (vagy annak közelég) használt adatok a paraméterek becslésére a legksebb négyzetek módszerével 121 C.1b. táblázat: n-pentánra a krtkus pontg, a n-hexántól n-oktáng csak mérsékelt nyomásg használt adatok a paraméterek becslésére a legksebb négyzetek módszerével lletve rdge regresszóval 121 C.2a. táblázat: A metán paraméterbecslésére használt adadok 122 C.2b. táblázat: A etán paraméterbecslésére használt adadok 122 C.2c. táblázat: A propán paraméterbecslésére használt adadok 123 C.2d. táblázat: A bután paraméterbecslésére használt adadok 123 C.3. táblázat: a paraffn homológ család paraméterbecslésére használt tszta komponensek nyomás és hömérséklet tartománya 124 C.4. táblázat: az aromás homológ család paraméterbecslésére használt tszta komponensek nyomás és hömérséklet tartománya 124 C.5. táblázat: a nafténes homológ család paraméterbecslésére használt tszta komponensek nyomás és hömérséklet tartománya 125 C.6a. táblázat: a paraffn homológ család paraméterbecslésére használt bner elegyek (metán-alkán) adata 126 C.6b. táblázat: a paraffn homológ család paraméterbecslésére használt bner elegyek (etán-alkán) adata 127 C.7. táblázat: az aromás homológ család paraméterbecslésére használt bner elegyek adata 128 C.8. táblázat: a nafténes homológ család paraméterbecslésére használt bner elegyek adata 129 C.9.táblázat: a xéndoxd paraméterbecslésére használt tszta komponensű adatok 13 C.1.táblázat: a xéndoxd paraméterbecslésére használt bner elegyek adata 131 C.11. táblázat: a ntrogén paraméterbecslésére használt adatok 133 C.12. táblázat: a ntrogén paraméterbecslésére használt bner elegyek adata 134 Irodalomjegyzék 135 Jelölésjegyzék 138 4

5 Bevezetés Nagyon sok elegy a természetben lletve a vegyparban nagyon sok komponenst tartalmaz és köztük sok komponensnek se móltörtje, se kéma összetétele sem smert. Ezek a komplex elegyek, lyenek lehetnek pl. olaj-, földgázelegyek. A komplex elegyeket a klaszkusan pszeudo módszerrel karaterzálták, azaz az elegyet több frakcóra szeparálták és a számításokban mnden egyes frakcót néhány tszta komponenssel helyetesítettek. A 8-as években a komplex elegyek modellezésére kezdték alkalmazn a folytonos termodnamkát, amelynek az a lényege, hogy a rendszert leírják végtelen sok komponens elegyeként, amelyben a koncentrácó valamely jellemző adat folytonos függvényeként értelmezhető. A kőolajparban a fázsegyensúly leírására leggyakrabban használó állapotegyenlet az emprkus köbös egyenletek. A dolgozatomban megpróbáltam a Farkas István PhD dolgozatában (BME, 21) közölt, statsztkus termodnamkalag megalapozott állapotegyenlet paraméteret becsüln és teszteln a komplex elegyekre folytonos termodnamkával. A kutatás munkám nagyobb részét 1996-ban befejeztem, amkor az egyetem össztöndj lejárta matt dolgoznom kellett. Külföld állampolgárságom matt a munkavállalás engedélyt nem tudtam megszerezn, ematt a szakmában elhelyezkedn nem volt lehetőségem, ezért kénytelen voltam vállalkozásba kezden. Munka mellett gyakran szakítottam dőt a kutatás munkám folytatására, amt 1998-ban be tudtam fejezn. Sajnos a dolgozat leírása még tovább húzodott, így csak most készül el, amkor a témával már kevesen foglalkoznak a vlágon, annak ellenére a folytonos termodnamka dvatos téma volt, amkor kezdtem vele foglalkozn. Köszönettel tartozom a Vegypar Műveletek tanszék vezetőnek Dr. Mancznger József és Dr. Fonyó Zsolt egyetem tanároknak, akk lehetővé tették, hogy a PhD értekezésemet a tanszéken kdolgozzam. Soakt köszönhetek Dr. Deák Andrásnak, akhez mndg fordulhattam a tanácsért mukám során. Legfőbbként Dr. Kemény Sándor egyetem tanárnak, a témavezetőmnek szeretném megköszönn végtelen segítőkészségét és bztatását, amelyek nélkül nem tudtam volna elkészíten ezt a dolgozatot. 5

6 I. Irodalm rész 1. A komplex elegyek modellezésének célja (m a komplex elegy, m a különlegessége, m a haszna) Komplex elegynek az gen sokkomponensű elegyet nevezk. Tpkus példa a kőolaj, annak lepárlás terméke és maradéka, a szén-cseppfolyósítás terméke, de tágabb értelemben de sorolhatók a polmerek s. Ebben a dolgozatban elsősorban a szénhdrogén- és rokon elegyekről lesz szó. A komplex elegy rendkívül sok komponensének egyenként számbavétele az analízs és a tulajdonságok számítása szempontjából egyaránt klátástalan, és ez hosszabb távon így s marad, az analtka és számítástechnka lehetőségek fejlődése ellenére. Márpedg a komplex (szénhdrogén-) elegyek termodnamka modellezése, tulajdonságak számítása gen fontos, lévén hogy a pontosabb modellezés által elérhető, arányaban vszonylag kcsny megtakarítás jelentősége az gen nagy termelés volumenek matt gen nagy lehet. Mntegy húsz évvel ezelőttg - a nagynyomású technológáktól eltekntve - a kőolajparban majdnem kzárólag emprkus formulákat, általánosított korrelácókat alkalmaztak a szétválasztás technológa, művelet és tervezés számításahoz. Az elmúlt két évtzedben a szakrodalom robbanásszerű fejlődésről tanúskodk. Ennek számos oka van: A kőolajparban márcsak a nagy volumenek matt s gen fejlett engneernget a gazdaság verseny matt újabb khívások érték. Ezért még az addgnál s gényesebb számítás módszerek alkalmazása vált szükségessé és ezek kdolgozására s jelentős anyag eszközöket fordítottak. A fázsegyensúlyok termodnamkájának fejlődése - elsősorban a használható és vszonylag egyszerű állapotegyenletek megjelenése és a csoport-járulék modellek elterjedése - lehetővé s tette a korábbnál gényesebb módszerek kdolgozását. Ugyanakkor az analtka - főleg a spektroszkópa - módszerek fejlődése lehetőséget adott a frakcók jobb megsmerésére, a különböző vegyülettípusok azonosítására, vagys a frakcók jobb karakterzálására. A nehezebb frakcók (C 6+ ) nyoma s jelentősen befolyásolják a fázs-vselkedést (a fázshatárgörbe menetét ll. a flash-típusú műveletekben keletkező folyadék arányát), természetes a törekvés ezek jobb reprezentálására [Wlson és munkatársa (1978)]. A természetes előfordulású kőolajok mnősége a tapasztalatok szernt romlk, mközben a gazdaság könnyebb, jobb mnőségű termékeket vár, ez különösen az olajárrobbanás óta fokozta az érdeklődést a nehéz párlatok és maradékok desztllátum-típusú termékekké való konverzója ránt [Pennng és munkatársa (1982)]. A technológa körülmények optmalzálásához, a keverés előírásokhoz és a művelet tervezéshez egyaránt szükséges a kndulás anyagok és termékek szerkezetének és összetételének smerete. Ugyancsak az olajválság óta nagy lendületet kapott a szén cseppfolyósítás technológájának kutatása. A kapott olajszerű termékek (coal lquds) hasonlítanak a kőolaj-feldolgozásnál nyerhető nehéz frakcókra, de aromás- és heteroatom-tartalmuk még nagyobb. Ezért az tten eredmények hasznosíthatók a legnehezebben leírható 6

7 kőolaj-maradékok reprezentálásához s, másrészt a két rokon technológa több szempontból együtt kezelhető. A mérnök feladata a továbbakban s az, hogy a hányos nformácók alapján a lehető legjobban modellezze az elegyek termodnamka vselkedését, ezért kompromsszumot kell teremten az analtka és számítás ráfordítás és az elérhető eredmények között. Az olajpar számítás feladatok Gan és Fredenslund nyomán [Gan és Fredenslund (1987)] a következőképpen csoportosíthatók: a. Egyszerű problémák: az elegy globáls tulajdonságanak számítása (pl. a kompresszbltás tényezőé). A rendelkezésre álló általánosított korrelácók megnyugtatóan alkalmazhatók, mert a komponensek köre, koncentrácója, a nyomás és hőmérséklet a korrelácó érvényesség tartományába esk. Általában a legnagyobb koncentrácójú komponensnek van a legnagyobb hatása, a becsléshez nncs szükség a komponensek egyed tulajdonságanak smeretére (mérésére vagy számítására), azokra az eredmények nem érzékenyek. b. Közepes bonyolultságú problémák: bár a feladat az elegy valamely globáls tulajdonságának számítása, a komponensek bzonyos termodnamka tulajdonságat (pl. a fugactás koeffcenseket) s k kell számítan. E csoporthoz tartozó tpkus feladat az elegyek forráspontjának vagy harmatpontjának becslése. c. Bonyolult problémák: az lyen feladatok az elegy globáls tulajdonsága (pl. sűrűség) mellett a komponensek ndvduáls tulajdonságanak (pl. gőz-folyadék egyensúly K- értékek) számítását s génylk, az elegy karakterzácójára, vagys a pszeudokomponensek mnőségére és koncentrácójára gen érzékenyek. Az de tartozó tpkus műveleteknél a komplex elegy más nyomás-, hőmérséklet- és koncentrácótartományba kerül. E csoportba sorolhatók többek között a flash- és kolonnaszámítás, gázoldhatóság, abszorpcós, expanzós, rezervoár-kmerítés és termék-keverés feladatok. Különösen a c. csoportba tartozó problémák megoldásához van szükség a klasszkus módszerek meghaladására. A karakterzácós és számítás módszerek hányossága egyes esetekben a művelet egység működését s meghúsítják, de a technológa gazdaságosságának megítélését mndenképpen kétségessé teszk [Wlson és munkatársa (1978)]. A következő fejezetekben egymástól elkülönítve tárgyaljuk az analízs, a karakterzálás és a felhasználás módszeret, de természetesen ezek egymással erősen összefüggenek: az analtka adatok behatárolják a karakterzálás lehetőséget, amely vszont kjelöl az alkalmazható termodnamka modelleket és a lehetséges alkalmazások körét; megfordítva, a bonyolultabb művelet számítás feladatok megoldásához gényes modellekre és karakterzácóra, ahhoz pedg elegendő nformácót nyújtó analízsre van szükség. 7

8 2. Termodnamka alapok és modellek A fázsegyensúly feltétele az egyes komponensek fugactásának egyenlősége a különböző fázsokban: f = f = 1,..., NC (2.1) V L ahol f az -edk komponens fugactása, a V és L ndexek a gáz- ll. folyadékfázsra utalnak. NC a komonensek száma. A fázsegyensúlyok számításához olyan modellek szükségesek, amelyek a fázsegyensúlyt jellemző kísérlet adatok és a keresett fugactás-értékek között kapcsolatot írják le. E modellezésnek két fő útja van, az egyk az ún. állapotegyenletes módszer, a másk pedg az elegyítés többlet-szabadentalpa (G E ) modelleken alapuló γ ϕ -módszer. Az aktvtás koeffcens modellek előnye, hogy a folyadékfázs vszonylag egyszerű G E kfejezések alkalmazásával s jól leírható mnd csak apolárs, mnd apolárs és polárs molekulákból álló rendszerekre. A krtkus pont közelében azonban nehézséget okoz a két fázs eltérő kezelésmódja (ld. a (2.2) és (2.3)egyenleteket). Az állapotegyenletek alkalmasak apolárs vagy kevéssé polárs molekulákból álló elegyek leírására bármely nyomástartományban. Kevésbé jól használhatók erősen polárs vagy eltérő polartású molekulákból álló rendszerek leírására. Mndkét modell-csoport a gőzfázs fugactását a következőképpen írja le: f V v = y ϕ P (2.2) ahol y az -edk komponens koncentrácója (általában móltörtben), V ϕ a gőzfázsbel fugactás koeffcens, amely tökéletes gázok deáls elegyére V eggyel egyenlő. Reáls gőzfázs esetén ϕ becsléséhez valamlyen modell alkalmazása szükséges. Ksebb nyomásokon és nem asszocálódó komponensekre megfelel a vrálegyenlet, nagyobb nyomásokon egyéb állapotegyenletek használhatók A γ ϕ -módszer Az elegyítés többlet-szabadentalpán alapuló modellek egy -edk komponens folyadékfázsbel fugactására a következő összefüggést alkalmazzák: f L = x γ f L (2.3) ahol x az -edk komponens koncentrácója a folyadékban (általában móltörtben), L f az -edk komponens folyadékfázsbel vonatkozás fugactása, γ az -edk komponens aktvtás koeffcense. L Az f defnícója az aktvtás koeffcensek vonatkoztatás állapotától függ. Kondenzálható komponensekre a vonatkoztatás állapot (vagys ahol az aktvtás koeffcens egységny) a tszta, folyadékfázsú komponens állapota az elegy hőmérsékletén. (2.2) és (2.3) felhasználásával 8

9 v y ϕ P = x γ ( P ) ( P p ) r p ϕ exp V RT L (2.4) ahol p az -edk tszta komponens gőznyomása. A (2.4) egyenletben szereplő exponencáls tényező (Poyntng korrekcó) egyrészt a vonatkoztatás fugactás nyomásfüggését vesz fgyelembe, másrészt lehetővé tesz, hogy a nyomástól független, P r referenca-nyomáson vett aktvtás koeffcenssel számoljunk. Ha az elegyben nem kondenzálható komponens s van (pl. gázoldékonyság számítása), e komponens kezelésére két lehetőség van. Az egyk, hogy erre a komponensre s az eleggyel azonos hőmérsékletű tszta folyadékot tekntjük referencának, és ekkor egy hpotetkus folyadék tulajdonságat kell defnálnunk. A másk lehetőség az ún. aszmmetrkus vonatkoztatás alkalmazása, amely szernt a referencaállapot a komponens végtelen híg oldata az elegy hőmérsékletén: lmγ = 1 x ekkor: f L (2.5) L f = lm = H (2.6) x x ahol H az -edk komponens Henry-konstansa. A fenteket alkalmazva gázok oldhatóságának leírására a következő összefüggést nyerjük: L ( ) ( P p ) V v * p j j yϕ P = xγ H exp (2.7) RT ahol p az oldószer tenzója (ez az a nyomás, amelyen a H Henry-állandó mérhető), j L V a gáz-komponens parcáls molárs térfogata végtelen híg oldatban. Az aktvtás koeffcensek egy adott G E -modellből a következőképpen határozhatók meg: lnγ = E ( ng RT ) n T, P, n j (2.8) ahol n az összes mólok száma az elegyben, n az -edk komponens móljanak száma, és a molárs elegyítés többlet-szabadentalpát a (2.9) képlet defnálja: G E = G elegy G d. elegy = G elegy x G RT x ln x (2.9) ahol G az -edk tszta komponens szabadentalpája. Az alkalmazott elegyítés többlet-szabadentalpa modellek közül a legszélesebb felhasználás területe az ú.n. lokáls móltört modelleknek van. A legsmertebbek az UNIQUAC, Wlson, NRTL modellek. Például az UNIQUAC egyenlet aktvtás koeffcens kfejezése a következő: 9

10 comb res lnγ = lnγ + lnγ (2.1) Az lnγ comb kfejezés a kombnatorkus rész, a molekulák különböző méretéből adódó hatásokat vesz fgyelembe. comb Φ Φ zq Φ Φ lnγ = 1 + ln 1 + ln, (2.11) x x 2 Θ Θ ahol a φ szegmenstört és θ felülettört defnícója a következő: rn Φ = ; rn Θ = qn j j j j j qn j r az -edk molekula térfogatára jellemző paraméter, q az -edk molekula felületét jellemző paraméter, z a koordnácós szám. Az r és q paraméterek számítása lehetséges pl. Bond (1968) alapján. Az lnγ res tag a molekulák között különböző kölcsönhatások matt fellépő nemdeáls vselkedést írja le a két-folyadék elmélet felhasználásával: lnγ 1 ln Θ τ NC NC res j j = q Θjτ j j= 1 j= 1 Θτ j, (2.12) λ j λ ahol τ j = exp. RT A (λ j - λ jj ) és (λ j - λ ) paraméterek fázsegyensúly adatokból paraméterbecsléssel határozhatók meg, és belőlük τ j számítható. A jól használható aktvtás koeffcens modellek közül megemlítendő még az ún. oldhatóság elméleten alapuló Hldebrand egyenlet [Hldebrand és Scott (195)], amelyből lnγ res kfejezése a következő: ( ) 2 res V δ δ lnγ = (2.13) RT ahol δ az oldékonyság paraméter, amely pl. párolgáshő- adatokból számítható. A δ tényező az elegykomponensek oldékonyság paramétereből számítandó: δ = ϕδ (2.14) ahol ϕ az -edk komponens térfogattörtje. 1

11 2.2. Állapotegyenletek E modellek mndkét fázst ugyanazon állapotegyenlettel, fugactás koeffcenseket alkalmazva írják le: y ϕ = x ϕ V L (2.15) Az állapotegyenletek valamely rendszer vagy fázs alapvető állapotjellemző között összefüggéseket adják meg. Általános alakjuk: (,, ) P= P V T ξ, (2.16) ahol ξ az összetétel-vektor. Az állapotegyenletek a statsztkus mechanka eszközevel többé-kevésbé megalapozottak vagy empírkusak lehetnek. Az állapotegyenletek formájukat tekntve két csoportra oszthatók: nyomásra ll. térfogatra explct egyenletekre. A térfogatra explct alakból az elegy vagy tszta komponens fugactás koeffcense: p 1 RT dp lnϕ = V dp = ( Z 1 ) ( konst. T ) RT P P Az elegy egy komponensének fugactás koeffcense: p (2.17) p 1 ( nv ) RT ϕ = dp RT n P TPn,, j (2.18) PV ahol Z a kompresszbltás tényező: Z =. RT Az állapotegyenletek közül napjankban az ún. köbös állapotegyenleteket alkalmazzák széles körben vegypar számításokhoz. Ezeknek általános alakja a következő: P RT a =, (2.19) V b V 2 ubv wb ahol a és b a paraméterek. A jobb oldal első tagot repulzív, a másodk tagot attraktív résznek nevezk. Az (2.19) képletben szereplő u és w különböző értékevel smert köbös állapotegyenletekhez jutunk, pl.: u w Modell van der Waals 1 Soave-Redlch-Kwong 2-1 Peng-Robnson Az a és b paraméterek meghatározásához a krtkus pont két feltétele használható fel: 11

12 P V T c = ; P 2 2 = V T c (2.2) ZRT A két feltételt alkalmazva a van der Waals állapotegyenletre, a V = kfejezést P bevezetve a következő összefüggéseket kapjuk: 2 27 R Tc 1 RTc a = ; b = (2.21) 64 P 8 P c c Másk lehetőség, hogy az a és b paramétereket mérés adatokból becsüljük. A köbös állapotegyenletek teljesítőképessége javítható, ha az a paramétert hőmérsékletfüggőnek tekntjük, így Soave (1972) javaslata alapján: ( ) α ( ) ( ) at = T at, (2.22) r c Apolárs komponensekre jól használható a következő általánosított korrelácó: ( T ) = 1+ m( 1 T ) 2 α r r ahol 2 m = ω.176ω, ω az ún. acentrkus faktor, amely a molekula szmmetráját jellemz. Polárs komponensekre: (2.23) 1 α ( Tr) = 1+ m( 1 Tr) + n 1, (2.24) Tr ahol m és n az egyes komponensekre mérés adatokból meghatározandó paraméterek. Ezek az állapotegyenletek nem elég rugalmasak ahhoz, hogy a nyomást és a móltérfogatot egyaránt jól írják le, ezt a hátrányt küszöbölk k Péneloux és munkatársa (1982) a módosított térfogat bevezetésével: ' V = V + l, (2.25) ahol V és V a valód és az állapotegyenlettel számítható térfogat; l a korrekcó, amely a rendszer egyéb termodnamka tulajdonsága alapján meghatározható. Ez a térfogattranszlácós módszer nem befolyásolja a fázsegyensúly számításokat. Ha egy állapotegyenletet elegyre alkalmazunk, értelmeznünk kell az elegyparamétereket. Az általánosan használt elegyítés szabályok a következők pl. a van der Waals egyenlet a és b paraméterére: a= ζζ a, (2.26) j j j b= ζ ζ b, (2.27) j j j 12

13 ahol ζ és ζ j a komponesek móltörtje a vzsgált fázsban (a folyadékfázsban x, a gőzfázsban y a szokásos külön jelölés, ζ bármelyk lehet). A keresztkoeffcensek (a j és b j ) számítására általában a következő összefüggések használatosak: ( 1 ) a = a a k, (2.28) b j jj j j ( b + bjj ) =, (2.29) 2 ahol k j j-re kísérletleg meghatározandó paraméter, = j-re k j =, ekkor: b= ζ b (2.3) A (2.19) képlettel megadott köbös állapotegyenletek használhatók ugyan a legegyszerűbben, de egyre nkább terjednek a bonyolultabb, nem-köbös állapotegyenletek. Az alkalmazás példákban többször előfordul a PHCT-egyenlet [Beret és Prausntz (1975)]: RT v% v% q ma P= 1 + c + V ( v% 1) kt v T T ahol T% =, * T T * εq =, ck ε nm, 1 3 % n 1 m n % (2.31) εq a jellemző párkölcsönhatás energa. A j a derékszögű potencálvölgy (square-well) feltételezésével végzett molekuladnamka számításokból adódó dmenzómentes konstans. A képletben a c paraméter a molekula külső szabadság fokanak száma. Mnél hajlékonyabb a molekula, annál nagyobb c értéke. Egyatomos fludumra (pl. Ar) c=1, mert csak transzlácós mozgást végez a molekula. Többatomos molekulákra c>1, így vehető fgyelembe a rotácó és a vbrácó. környezetétől. ~ v v =, az ún redukált térfogat, * v * v az egy mólny molekula által betöltött tömör térfogat Csoport-járulék modellek A csoport-járulék módszerek lényege, hogy a molekulákon belül különböző csoportok között kölcsönhatásokat függetlennek tekntk a molekula több csoportjától és a csoportok elhelyezkedésétől, vagys lényegében molekulák elegye helyett csoportok 13

14 elegyét tételezk fel - legalábbs a rezduáls (tehát a molekulák vagy csoportok között kölcsönhatásoktól függő) tulajdonságokra. A csoport-módszerek egyk előnye, hogy a komplex szénhdrogén- elegyekben előforduló többezer vegyületet legföljebb néhányszor tíz csoportból építk fel, így a molekulák között kölcsönhatás modellezéséhez reáls méretű paraméter-táblázat elegendő; másk előnye, hogy a paraméterek a rendelkezésre álló, a csoportokból felépített kétkomponensű elegy fázsegyensúly adataból becsülhetők, és olyan komponensek rendszerére s használhatók, amelyekre nncs s fázsegyensúly mérés adat Csoport-járulék modellek az aktvtás koeffcensekre Számos lyen modell smeretes, legelterjedtebb az UNIFAC [Fredenslund és munkatársa (1975)]. Az aktvtás koeffcens kfejezése két részre bontható (lásd a (2.1) egyenletet). A kombnatorkus rész a (2.11) szerntvel egyezk meg. A (2.11) és (2.12) képletekben szereplő r és q a molekulákat felépítő csoportok megfelelő adataból számíthatók: r = ν R ; q = ν kqk, (2.32) k k k k ahol ν k mutatja, hogy az molekula felépítéséhez a k szegmensből hány darab szükséges; R k a k-adk csoport térfogatára jellemző mennység, Q k a csoport felületére jellemző adat, (a a csoportok szernt összegzést jelent). R k és Q k a csoportok van der Waals térfogatából és felületéből számíthatók [Bond (1968)], vagy kézkönyvekből vehetők (pl. [Red és munkatársa (1977)] ). Az ún. rezduáls rész a következő egyenlettel adható meg: res () lnγ = νk ln Γk ln Γk, (2.33) k ( ) ahol Γ k a csoport-aktvtás koeffcens a k-adk csoportra, Γ ( ) k ennek értéke a tszta fludumban (amelyet szntén csoportok elegyeként fogunk fel): ϑψ m km ln Γ k = Q k 1 ln ϑψ m mk ϑψ n ϑ m = Q n m Q k n ν k mk ν x nk m m m nm ; (2.34) k x k az m csoport felülettörtje, ebben ν mk az m csoport mólszáma a k molekulában. (2.35) ψ nm a = exp T nm az n és m csoportok között kölcsönhatást fejez k, és a nm a mn. (2.36) 14

15 A tszta fludumbel k-adk csoportra a következőképpen számítható k: ( ) Γ csoport-aktvtás koeffcens a () () () ϑm ψ mk ln Γ k = Qk 1 ln ϑm ψ mk () (2.37) m m ϑn ψ nk n ahol ϑ () m = n n () Qmν m Q ν () n k (2.38) Kzárólag szénhdrogén-komponenseket tartalmazó elegy gőz-folyadék egyensúly vszonyanak leírására mérsékelt nyomáson (2 bar-g) az UNIFAC modellnél jóval egyszerűbb módszer a molekulák véletlenszerű elrendeződését feltételező Guggenhemféle nulladk közelítés [Guggenhem (1979)] csoport-nkrementumos változata [Barker és Smth (1954), déz: Kemény (1979)] s megfelel. E modellben az aktvtás koeffcens rezduáls része: 1 res RTlnγ = 2Qν ϑ Qν ϑϑ Qν ϑ w 2 j j. (2.39) A A j ja j A ja j Csoport-járulék modellek állapotegyenletekre Kétféle megközelítés [Takashma és Sato (1985)] alkalmazható: az elegy egészére vonatkozó állapotegyenlet paraméteret becsüljük csoport-módszerrel ll. az állapotegyenletet magát a csoportokra (a csoportok elegyére) írjuk fel. 15

16 3. Folytonos termodnamka 3.1. Defnícók A klasszkus Gbbs-féle termodnamka alapvető változó az elegy komponensenek koncentrácó. A komplex szénhdrogén-elegyeknél a komponensek száma gen nagy és ráadásul a komponensek tulajdonsága - legalábbs vegyületcsoportonként (pl. n- paraffnok, aromások, n-alkl oldallánccal stb.) - csak kevéssé különböznek. E komponensek azonosítása és koncentrácók meghatározása lehetetlen. Kézenfekvő közelítés, hogy írjuk le a rendszert végtelen sok komponens elegyeként, amelyben a koncentrácó valamely jellemző adat folytonos függvényeként értelmezhető. E jellemző adat lehet pl. a normál-forrpont [Kehlen és Ratzsch (198)], a C-atomszám [Wllman és Teja (1986)], vagy a molekulatömeg [Cotterman és munkatársa (1985)], jelöljük τ-val. A 3.1. ábra mutatja egy elegy TBP-görbéjét, amely 15 C fölött folytonos függvény ábra: TBP-görbe félfolytonos elegyre lehajtott térfogat A dszkrét elegybel -edk komponens n mólszáma helyett a folytonos elegyre a w(τ) extenzív sűrűségfüggvény használandó. Értelmezése szernt a 16

17 τ 2 τ 1 ( ) w τ dτ (3.1) ntegrál azon komponensek mólszámának összegét adja meg, amelyek jellemző paramétere a τ 1, τ 2 ntervallumba esk. Az elegy összes mólszáma: n = τ ( ) w τ dτ (3.2) ahol az ntegrálás a τ teljes értelmezés tartományára végzendő. Ez az összefüggés a dszkrét elegyekre érvényes n = képlet helyett áll. A dszkrét elegy móltörtje defnícójának ( x sűrűségfüggvényt: W ( τ ) w = = n ( τ ) w( τ ) = n w( τ ) τ dτ n n ) analógájára a folytonos elegyre bevezethetjük az ntenzív (3.3) amelynek ntegrálja τ egész értelmezés tartományára eggyel egyenlő (mnt a móltörtek összege a dszkrét elegy esetén), vagys W ( τ ) valószínűség-sűrűségfüggvényként fogható fel A sűrűségfüggvény matematka alakja Kehlen és Ratzsch (198) a normáls eloszlást használja: 1 ( τ Θ) 2 W ( τ ) = exp (3.4) 2 2πσ 2σ ahol az eloszlás várható értéke Θ, varancája σ 2. Bonyolultabb empírkus sűrűségfüggvény-alakok leírására több Gauss-eloszlás szuperpozcóját javasolják [Kehlen és Ratzsch (1983)]: 1 ( τ Θ ) 2 m W ( τ ) = exp (3.5) 2 m 2πσ 2σ m m Látható, hogy így a függvény paraméterenek száma jelentősen megnő. Cotterman és munkatársa (1985) az aszmmetrát s megengedő gamma-eloszlást használják: W ( τ ) α 1 ( ) α ( ) ( ) τ γ τ γ = exp, (3.6) β τ Γ α β 2 2 ahol az eloszlás várható értéke: Θ= αβ + γ, varancája: σ = αβ, 17

18 γ pedg τ azon értéke, amelynél W értéke zérus (vagys a vzsgált elegy legkönnyebb folytonos komponensének jellemző τ értéke nagyobb γ-nál), Г a gamma-függvényt jelöl. Az (3.6) sűrűségfüggvény ntegrálja a következő végtelen sorral közelíthető [Whtson (1983)]: τ 2 α + j y j y y e y W( τ) dτ = e =, (3.7) Γ Γ Γ +! τ 1 ( α j ) ( α) j ( α j) j= = x γ ahol y =. β A (3.7) egyenlet másodk alakja azért előnyösebb, mert a szumma-jel mögött nem tartalmazza a Г-függvényt, melynek kszámítása dőgényes. Az -edk pszeudokomponensre (a sűrűségfüggvény τ és τ +1 között ntegráljára) Brulé és munkatársa (1985) a következő kfejezést használják: x yj+ 1 α + j yj x y n 1 j+ 1e y e + = Γ +!. (3.8) ( α) j= ( α j) A szummázást természetesen nem kell a végteleng folytatn, csak addg, amíg a két egymást követő tag egy megadott hbahatárnál (pl. 1-6 ) ksebb nem lesz. Radosz, Cotterman és Prausntz (1987) a következő β-eloszlást javasolják: ( ) Γ ( α + β) ( α) ( β) ( ) α 1 1 W u u 1 u β = Γ +Γ ahol < u < 1, a megfelelően skálázott τ helyett áll, α a várható érték: Θ=, α + β 2 a varanca: σ = αβ 2 ( α + β) ( α + β + 1), (3.9). Du és Mansoor (1986) exponencálsan csökkenő sűrűségfüggvényt használnak: 1 τ τ W ( τ ) = exp η η. (3.1) Kalcsagov [Kalcsagov és munkatársa (1985)] a homológok tömegspektrumának leírására a Posson-eloszlást javasolja, a szénatomszám függvényében: ( ) λ n λ W n = e. (3.11) n! 18

19 Hoffmann és Künsch (1978), a fordított TBP-görbét (lehajtott térfogat a forráspont függvényében) Gauss-papíron ábrázolva egyenesnek találták, am azt jelent, hogy a normáls eloszlásfüggvény llk rá, de a logsztkus függvényt s megfelelőnek találták. A BME Vegypar Müveletek Tanszéken folytatott korább munkában [BME Vegypar Műveletek Tsz (1985)] az ntenzív sűrűségfüggvényre a következőt használták: λτ 2 k ( τ ) ( 1τ 2 τ... τ ) W = e a + a + a + + a k, (3.12) ahol a λ együttható értékét egy-egy molekulacsaládban konstansnak vették, és csak a, a 1,,a k voltak llesztendő paraméterek. Az ötödfokú polnomot (k=5) a célnak megfelelőnek találták. A τ változónak a szénatomszámot (a CH 2 csoportok számát) választották Termodnamka összefüggések A fázsegyensúly feltétele a komponensek fugactásának egyenlősége a fázsok között. A folytonos termodnamka a 2.1. pontban smertetett γ ϕ - és a 2.2. pontban smertetett állapotegyenletes megközelítésmóddal egyaránt használható, az előbb esetben a folyadékfázsra aktvtás, a gőzfázsra fugactás koeffcenseket, az utóbb esetben mndkét fázsra fugactás koeffcenseket kell számoln: V V L W τ ϕ τ, T P = W τ γ τ, T p τ, T ϕ τ, T POY τ, T (3.13) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( τ) ϕ ( τ, ) ( τ) ϕ ( τ, ) V V L L W T W T = (3.14) A γ ϕ -módszerrel végzendő számításokhoz az aktvtás koeffcens a többletszabadentalpa függvényből a következőképpen kapható meg [Teja és Wllman (1986)]: RT lnγτ ( ) = nw E ( ng ) + ( ),, τ + TPτ τ, (3.15) ahol a G E s a folytonos elegyre értendő, így τ függvénye. A gőzfázsbel fugactás koeffcens a vrálegyenletből fejezhető k, amelyet szntén folytonos elegyre kell értelmezn: B V ( τ ) W ( τ ) B dτdτ V = W τ τ (3.16) ahol B ττ, a τ és τ` jellemzőjű molekulák másodk kereszt-vrálkoeffcense, amely mérés adatok kegyenlítésével vagy általánosított korrelácókból kapható meg. Az állapotegyenletes számításokhoz a fugactás koeffcens kfejezésére van szükség. A dszkrét komponensekből álló elegyre érvényes (2.17) egyenlet analógájára [Cotterman és munkatársa (1985)]: p RT RTlnϕ( τ) = dv RTln Z +. (3.17) V nw ( τ ) V + TV,, τ τ A tökéletes gáz molárs entalpája [Chou és Prausntz (1986)]: 19

20 ( ) ( ) H = W τ C τ T dtdτ, (3.18) p, τ T ahol C (, T) p τ a τ jellemző-értékű tszta komponens fajhője a tökéletes gáz állapotában, T hőmérsékleten, ez τ folytonos függvényeként adandó meg. A ΔH rezduáls entalpa ( H = H ΔH ) az állapotegyenlet-modellből standard termodnamka módszerekkel kfejezhető Eloszlásfüggvények bonyolult elegyekre A komplex elegyben lehetnek olyan komponensek s, amelyeket célszerű dszkrét komponensként kezeln, lyenek például a ksebb szénatomszámú szénhdrogének és a gázok, ezek jól azonosíthatók és pontosan analzálhatók. E komponensek koncentrácóját a szokásos módon móltörtjükkel adjuk meg, így az elegyet dszkrét és folytonos részre oszthatjuk és félfolytonos elegynek nevezzük. Ilyen n-paraffn-elegy sűrűségfüggvényét mutatja az 3.2. ábra, ahol a dszkrét komponensek a n-heptán, n-oktán és n-nonán ábra: W(τ) sűrűségfüggvény folytonos n-alkán elegyre 2

21 A sűrűségfüggvényre a következő normálás feltétel érvényes [Ratzsch és Kehlen (1983)]: n x + η W( τ) dτ = 1, (3.19) = 1 τ ahol n a dszkrét komponensek száma, η a folytonos rész móltörtje. A komplex elegy komponense általában nem jellemezhetők egyetlen változóval (mnt pl. a molekulatömeg vagy a normál-forrpont), tehát csak többváltozós eloszlással írhatók le megfelelően. Wllman és Teja (1987) pl. kétváltozós lognormáls eloszlást használ, a normál-forrpont mellett a fajsúlyt véve jellemző adatként, vagys a kétváltozós normáls eloszlás valószínűség változója helyébe a ( T T ) τ = ln, (3.2) I b b ( ) τ II = ln SG SG (3.21) változókat vezet be, ahol T b és SG a sűrűségfüggvény orgóját rögzítk (ahol W ( τ I, τ II ) = ). A folytonos elegyben Tb > Tb és SG > SG, de τ I és τ II - és + határok között változk. A kétváltozós sűrűségfüggvényre (3.19) helyett a következő a normálás: n x + η W ( τi, τii) dτidτii = 1. (3.22) = 1 τ τ I II A kétváltozós eloszlás kezelése gen nehézkes. Célszerű ezért fgyelembe venn, hogy a komplex elegy különböző homológ családokba tartozó komponensekből áll, így több, az egyes családokra vonatkozó egyváltozós eloszlásfüggvény összegével írható le. A normálás feltétel ekkor a következő [Cotterman és Prausntz (1985)]: n c x + ηj Wj( τ) dτ = 1, (3.23) = 1 j= 1 τ ahol c a homológ családok száma, η j a j-edk család móltörtje az elegyben. Mnthogy a több homológ családra érvényes összefüggések könnyen megkaphatók az egyetlen homológ családra kdolgozott változatokból, a továbbakban csak az utóbbakkal foglalkozunk A folytonos γ ϕ -modellek A Hldebrand-modell folytonos változata a következő [Teja és Wllman (1986), Wllman és Teja (1987)]: 21

22 E L L L G = xv + η W ( τ) V ( τ) dτ * τ 1 1 Amφφ m φ ( ) A ( ) d ( ) A(, ) d d 2 φ τ τ τ φ τ τ τ τ τ m 2 τ τ, τ,,, ( τ ) L L nv L L nv + RT x ln η W ( τ) ln dτ L + L V V τ φ τ a folytonos "komponens" térfogattörtje, ahol ( ) L ( τ ) V a folyadék-móltérfogata, V L a folyadékfázs teljes térfogata, (3.24) A ( ) 2 2 = δ δ + l δδ, (3.25) m m m m l m a modell bner kölcsönhatás paramétere az és m komponensek között, A (τ) a (3.26) egyenlettel defnált együttható dszkrét-folytonos, A(τ,τ`) pedg folytonos-folytonos analogonja. Más modellek s használatosak, többek között Kehlen és Ratsch a Flory-Huggns [Ratzsch és Kehlen (1983)] és az NRTL [Kehlen és munkatársa (1985)], ll. az UNIFAC [Kehlen és Ratzsch (1984)] modell folytonos változatát alkalmazza, ugyanők más munkákban [Ratzsch és Kehlen (1985], valamnt Monge és Prausntz [Monge és Prausntz (1984)] az deáls elegy (γ=1) feltételezéssel számolnak A folytonos állapotegyenlet-modellek A Soave állapotegyenlet paraméterere a következő elegyítés szabályok használhatók a (2.26) és (2.27) helyett [Cotterman és munkatársa (1985)]: n n n, ( ) ( ) (, ) ( ) ( ) a= xx a + 2η x W τ a τ dτ + m m m τ 2,,, η W τ W τ a τ τ dτdτ τ τ (3.26) ( ) ( ), (3.27) b= xb +η W τ b τ dτ τ ahol a m az állapotegyenlet dszkrét-dszkrét, a (τ) a dszkrét és folytonos, a(τ,τ`) a folytonos komponensek között kohézós paramétere; b a dszkrét, b(τ) a folytonos komponens térfogat-paramétere. Meglehetősen bonyolult, de számítógéppel kezelhető összefüggések vezethetők le a komponensek fugactás koeffcensere. Prausntz és munkatársa [Cotterman és munkatársa (1986), Cotterman és Prausntz (1986)] a Soave-egyenlet mellett a PHCT (perturbed hard chan theory) állapotegyenletet használják számításakhoz. 22

23 3.7. A folytonos termodnamka alkalmazásának matematka vonatkozása Az eloszlásfüggvények alkalmazása kétféle feladattípusban fordul elő: a.) egyensúly számítása, ahol adott az egyk fázs összetétele (a W(τ) eloszlásfüggvény), és számítandó a másk fázsé a (3.13) vagy a (3.14) összefüggés alkalmazásával, ez az eset forráspont és harmatpont számításakor; b.) mérlegegyenlet megoldása, ennek tpkus példája a flashng számítása: ( τ ) ( τ) ( τ) FW F = LW L + VW V (3.28/a) vagy ( τ ) ( 1 φ) ( τ) φ ( τ) F L V W = W + W (3.28/b) ahol F a betáplált elegy mólszáma, L a keletkező folyadékfázs mólszáma, V a gőzfázs mólszáma (az F, V, L ndexek hasonlóan értendők.), φ a keletkező gőzfázs aránya. Egyensúlyszámítás Az egyensúly-számítás feladattípusban egyszerűbb esetekben olyan a W V (τ)/w L (τ) összefüggés, hogy az egyk fázs eloszlásfüggvényéből a másk egyszerű, szorzás jellegű transzformácóval megkapható: V W ( τ ) ln C L 1 C2τ W ( τ ) = +, (3.29) ahol C 1 és C 2 a τ-tól független tényezők. Ilyenkor az eloszlás típusát a transzformácó nem változtatja meg. Például [Ratzsch és Kehlen (1983)], ha a fázsegyensúlyra a Raoult-törvény érvényes (deáls gőz-és folyadékfázs), a (3.13) egyenlet a következő alakot ölt: L ( τ) ( τ) ( τ, ) V W P W P T =. (3.3) Ha a tenzó leírására a Trouton-szabályt és a Clausus-Clapeyron egyenletet használjuk:, exp 1 B = T, (3.31) ( τ ) P T C A a folyadékfázs sűrűségfüggvényére pedg az (3.13) egyenlet szernt alakot alkalmazzuk, a gőzfázsé ugyanlyen alakú lesz, a folyadékfázsra és a gőzfázsra érvényes eloszlásfüggvény θ várhatóérték-paramétere között összefüggés pedg: 2 Aσ L θv = θl, (3.32) T σ = σ. (3.33) 2 2 V L 23

24 Ha a folyadékfázs koncentrácóját Г-eloszlással (ld. (3.6)) írjuk le, a paraméterek között összefüggés a következő lesz [Cotterman és munkatársa (1985)]: θv γ = 1+ T ( θ γ ) L Aσ 2 L ( θ γ ) L. (3.34) Jellegükben hasonló összefüggéseket kapunk egyes állapotegyenletek alkalmazásakor s. Ilyenkor az egyk fázs sűrűségfüggvényének smeretében a másk fázsé zárt matematka alakban megkapható. Ezen összefüggések használhatók arra s, hogy a W(τ) sűrűségfüggvényből TBP-görbét számoljunk, ll. a kísérletleg meghatározott TBP adatokból megadjuk a W(τ) függvény paraméteret. A forráspont-számításkor dszkrét komponensek elegyénél azt a hőmérsékletet keressük, amelyen az elegy gőznyomása megegyezk a külső nyomással: x γ p = P (3.35) ahol a γ aktvtás koeffcens és a p tenzó a hőmérséklet függvénye, a gőzkorrekcós tényezőt az egyszerűség kedvéért egységnynek vettük. A számítás során egyúttal az y gőzmóltörtet s megkapjuk: xγ p y =. (3.36) P Amnt a dszkrét komponensek esetében az y móltörteket, a folytonos esetben a W V (τ) gőzfázsbel sűrűségfüggvényt kell tányéronként forrpont-terácóval meghatározn. A (3.35) egyenlet analógájára a következő összefüggés érvényes: ( ) (, ) L W τ p τ T dτ = P, (3.37) τ (3.36) helyett pedg L V W ( τ) p ( τ, T) γ ( τ, T) W ( τ ) =, (3.38) P ha a gőzkorrekcótól eltekntünk. Félfolytonos elegyre a forráspont krtéruma: L xγp + η W ( τ) p ( τ, T) dτ = P, (3.39) τ ahol η a folytonos rész móltörtje. A mérlegegyenlet megoldása Ennél a feladattípusnál az (1.67) egyenlet értelmében az azonos alakú sűrűségfüggvények (W V és W L ) lneárs kombnácója a W F (τ) sűrűségfüggvény, amely ezért nem lesz 24

25 ugyanolyan alakú, mnt W V és W L, vagys a W F (τ) függvény paraméteret nem kaphatjuk meg egyszerű matematka módszerrel. A közelítő megoldásra négy javaslat smeretes: a.) A (3.28) egyenletet numerkusan megoldják néhány τ értékre, és a pontokra az eredet típusú (pl. Gauss) eloszlást llesztk. Ennek egyszerűbb változata, hogy a talált és az llesztett függvény maxmum-helyének azonosságát írják elő és e feltételből kapják Θ F értékét: ( 1 φ ) Θ = Θ + φθ F V L 2 σ F -et 2 σ L -tel (és σ 2 V -tel) azonosnak véve [Ratzsch és Kehlen (1983), Kehlen és munkatársa (1985)]. b.) A momentumok módszerének alkalmazásához [Cotterman és munkatársa (1985), Kehlen és Ratzsch (1987)] fel kell tételezn egy eloszlás-típust az eredő eloszlásra (W F - re) és ennek paraméteret úgy kell meghatározn, hogy a (3.28) mérlegegyenlet szernt eredő eloszlás numerkusan kszámítható momentuma megegyezzenek az llesztett eloszláséval. Az tt alkalmazott momentumok defnícója: ( ) k M k W d τ = τ τ τ, (3.4) A nulladk momentumok egyenlősége a mérlegegyenlet teljesülését jelent. Anny lyen egyenlőség írható fel, ahány paramétere van a sűrűségfüggvénynek. Mnthogy a megoldás csak közelítő, a fel nem használt (nagyobb) momentumokra az egyenlőség nem lesz gaz, am egyúttal azt s jelent, hogy az llesztett sűrűségfüggvény nem mnden tartományban egyformán pontos. c.) A kvadratúra-módszer [Cotterman és Prausntz (1985)] a folytonos eloszlásfüggvényt dszkrét pontbel értékek összegével helyettesít [Ralston (1969)]. Például a (3.3) egyenlet szernt normálás feltétel (az egyszerűség kedvéért csak egyetlen vegyület-család folytonos eloszlására): q ( τ) τ = ( τ p) ( τ p) = 1 W d s W, (3.41) τ p ahol τ p (p = 1,..., q) jelöl a kvadratúra-pontokat, s(τ p ) a súlyozó faktor a p-edk pontban. A sűrűségfüggvényekre felírt mndegyk összefüggést (egyensúly feltétel, anyagmérleg) a dszkrét pontokban kell használn, a pontok kjelölése után a kezelésmód teljesen azonos a dszkrét pszeudokomponensekével. A kvadratúra-pontok és súlyozó faktorok kjelölése ortogonáls polnomok felhasználásával történk, a közelítésre használt 2q-1 fokú polnom q kvadratúrapontra vett ntegrálja pontosan megegyezk a közelített függvény ntegráljával, q növelése a számításokat pontosítja. A módszer nemcsak analtkus (matematka függvénnyel adott) eloszlásfüggvényekre használható. d. A sűrűségfüggvényt splne-polnommal helyettesítjük [Yng és munkatársa (1989)]. Így az eloszlásfüggvény analtkusan kezelhető marad, és még a kvadratúra-módszerhez képest s kevesebb osztóponttal ad jó eredményt. A köbös splne-polnom [Valkó és 25

26 Vajda (1987)] olyan szakaszonként harmadfokú függvény, amely első és másodk derváltjával együtt a szakaszokat elválasztó ún. osztópontokban folytonos. A (3.28)-hoz hasonló típusú mérlegegyenleteket kell megoldan többfokozatú berendezések (pl. rektfkáló oszlop) modellezésénél. Dszkrét esetre [Földes és Fonyó (1978)]: Lx + Vy L x V y Fx =, (3.42) n n, n n, n 1 n, 1 n+ 1 n, + 1 n Fn, ahol L n, V n az n-edk tányért elhagyó folyadék ll. gőz mólárama, x,n az n-edk tányérról lecsurgó folyadékban az -edk komponens móltörtje, y,n ugyanez a felszálló gőzben, F n az n-edk tányérra betáplált elegy mólárama, x,fn ebben az -edk komponens móltörtje. Folytonos esetre ( τ) ( τ) ( τ) ( τ) ( τ) LW + VW L W V W FW =, (3.43) L V L V F n n n n n 1 n 1 n+ 1 n+ 1 n n ahol W n (τ) az n-edk tányért elhagyó áram sűrűségfüggvénye. A dszkrét elegy esetében az egyenletrendszer megoldását a keletkező fázsok (áramok) összetételének megadása jelent, folytonos esetben a W(τ) függvény paramétereé. Félfolytonos esetben (ha az elegy dszkrét és folytonosan kezelendő komponenseket s tartalmaz) a dszkrét komponensekre a szokásos mérlegegyenletek írandók föl, méghozzá tányéronként anny egyenlet, ahány dszkrét komponens van az elegyben; a folytonos komponensekre pedg annyt, ahány meghatározandó paramétere van a W L (τ) sűrűségfüggvénynek, mnden tányérra. A folytonos részre az egyenletrendszer kétféleképpen állítható elő: a.) anny τ értékhez írjuk föl az (3.43) mérlegegyenletet tányéronként, ahány egyenletre szükségünk van, az említett kvadratúra-módszernél ezek a τ értékek célszerűen a kvadratúra-pontok; b/ anny τ * ntervallumra írjuk föl a mérlegegyenlet határozott ntegrálját tányéronként, ahány egyenletre szükségünk van. Az egyenletrendszer a paraméterekben csak akkor lesz lneárs, ha a W L (τ) és W V (τ) függvények lneársak a paraméterekben, ez a valószínűségszámításban szokásos sűrűségfüggvény-alakokra általában nem teljesül. 26

27 4. Az alkalmazott állapotegyenletes módszer Az ebben az alfejezetben bemutatott modell Farkas István PhD dolgozatának eredménye (BME, 21). A nyomást a Z kompresszbltás tényezővel fejezzük k: RT P = Z V ahol R a gázállandó, T az abszolút hőmérséklet, V a móltérfogat. A kompresszbltás tényező két részből tevődk össze: Z = Z rep + Z attr (4.1) (4.2) A taszító (repulzós) rész a ~ * ρ = V V redukált sűrűség függvénye: Z rep 1+ = ( 3α 2) ~ 11 2 ρ + α 2 9 ~ ~ 3 ρ α ρ ~ ( 1 ρ ) 3 (4.3) * ahol V a molárs tömör térfogat, V a móltérfogat. * V a hőmérséklet függvénye: V u k = V 1 C exp 6 kt * π 2 3 / V és u k paraméterek. 3 (4.4) A csoport-járulék-modellben a tömör térfogat a csoportok tömör térfogatának összege: * * V = v V (4.5) ahol ν az csoportok száma a molekulában, V az csoport tömör térfogata. A (4.3) egyenlet α paramétere a molekula alakjának gömbtől való eltérését mér. A vonzás (attrakcós) rész az a kohézós energa paramétert tartalmazza: a Z attr = (4.6) VRT A csoport-járulék-modellben a kohézós energa a kölcsönhatás energák összege: a = 1 ν Qν Q U 2 j j j j (4.7) 27

28 Q az típusú csoportban az érntkezés pontok száma, ν az típusú csoportok száma a molekulában, az U j kölcsönhatás energa az - és j-j kölcsönhatás energák geometra átlaga. U = U U (4.8) j jj A model jellegzetessége, hogy nem használ csoport-kölcsönhatás együtthatókat, sem két vegyület csoportja között, sem egy vegyület különböző csoportja között. Az U energa-paramétert hőmérsékletfüggőnek tekntjük: T T T T T U = U + H + C ln + 1 (4.9) T T T T Mnthogy a (4.1), (4.3) és (4.6) egyenletekbe helyettesítendő móltérfogat nem smert, a (4.1)-(4.3) és (4.6) egyenletek gyökeként (megoldásaként) keressük. Több gyök van, ezek közül kettő felel meg az egyensúly folyadék- ll. gőz-fázsnak. Ezek a folyadék- ll. gőzmóltérfogatok összevethetők a kísérlet (a mért sűrűségből számított) értékekkel, ha vannak lyenek az adott anyagra. A (4.3) képlet Boublík eredménye, a (4.6) típusú megközelítés van der Waalstól ered, ezért a modellt BvdW csoport járulék-állapotegyenletnek nevezték el a szerző (I. Farkas és munkatársa, közlésre elfogadva). 5. Modellek paraméterenek becslése 5.1. Becslések tulajdonsága A becslés művelete: a sokaság tulajdonságára (paraméterére) következtetünk a mnta adata (jellemző) alapján. A becslés: a mntából kszámított statsztka; pl. a várható érték egyk lehetséges becslése a mntaelemek számtan középértéke ( x ). A becslés s valószínűség változó, eloszlása van. A becsült érték, amelyet jelölésben a becsléstől nem különböztetünk meg, egy számérték, amely nem valószínűség változó, nncs eloszlása. Általában: ha θ jelent a paramétert, a becslés jele θˆ ; szokás még a paraméterek valód értékére görög betűket (μ, σ, α), a becslésre pedg a megfelelő latn betűket (m, s, a) használn. Jelölje θˆ n az n elemű mntából meghatározható becslést. A θˆ n valószínűség változó, amely mntáról mntára más-más értéket vehet fel. Torzítatlan egy becslés, ha θˆ n mnt valószínűség változó θ körül ngadozk, várható értéke θ : ( θ ) = θ E ˆ (5.1) n Konzsztens egy becslés, ha a n θˆ becslés a mnta n elemszámának növelésével a paraméter gaz értékéhez tart, pontosabban n növelésével egyre csökken annak valószínűsége, hogy θ -tól jelentősen eltérjen: 28

29 ( ˆ θ n θ > ε ) lm P = n (5.2) A becslés hatásosságának mértéke a becslés varancája. Két torzítatlan becslés közül az a becslés hatásosabb (effcensebb), amelyknek ksebb a varancája. A felhasználás szempontjából tulajdonképpen az a fontos, hogy a becsült érték nagy valószínűséggel kevéssé különbözzék a becsülendő paraméter értékétől, ezért a becslések mnősítésének szokásos és célszerű alapja (egy becsült paraméterre) a E ( θˆ θ ) 2 kfejezés (MSE: Mean Square Error, közepes négyzetes hba) nagysága. Levezethető, hogy ( ˆ θ θ ) 2 = Var( ˆ θ ) + [ ( ˆ θ ) θ ] 2 E E (5.3) Az első tag a θˆ becslés varancája, a másodk tag a torzítás négyzete; e két tag összegének kell kcsnek lenne. Az a becslés kedvezőbb, amelyre a MSE ksebb. Amnt látjuk, ez nem feltétlenül a torzítatlan becslés. Egy torzítatlan becsléssel szemben kedvezőbb lehet egy másk, torzított becslés, ha közepes négyzetes hbája ksebb, mnt a torzítatlan becslésé, amnt az 5.1. ábra s mutatja ábra θ: valós paraméter lletve, a torzítatlan becslés várható értéke Hasonló megfontolások érvényesek a dolgozatom tárgyát képező többváltozós és többparaméteres modellekre s. 29

30 5.2. A legksebb négyzetek módszere A paraméterek becslésére leggyakrabban használt módszer. Vegyünk egy több (p-) változós lneárs modellt, melynek llesztéséhez n pontban végzünk méréseket: Y ahol = Xβ + ε Y a függő változó vektora (n 1) X a determnsztkus független változók mátrxa (n p) β a becsülendő paraméterek vektora (p 1) ε a függő változóban elkövetett kísérlet hba vektora (n 1) n a mérés pontok száma p a paraméterek száma. A következő feltételezésekkel élünk: E ( ε ) =, vagys a kísérlet hbák zérus körül ngadoznak, nncs rendszeres hba, T 2 Cov ε = E ε ε = σ, vagys a kísérlet hbák a pontok szernt egymástól ( ) ( ) I y (5.4) függetlenek, és az ngadozás varancája konstans. Azt s fel szokás tételezn, hogy az ε kísérlet hbák normáls eloszlást követnek, erre a legksebb négyzetek módszerének alkalmazásához nncs szükség. A legksebb négyzetek módszere szernt becslés krtérum: T ( Y X ˆ β ) ( Y X ˆ ) mn φ( ˆ) β = β = (5.5) vagys e függvény mnmumát kell megkeresn a becsülendő β paraméterek szernt. A megoldás a β paraméter-vektorra: ˆ β = T 1 T ( X X ) X Y A becsült paraméterek kovaranca-mátrxa: Cov ( ˆ 2 T β ) = ( X X ) 1 σ y (5.6) (5.7) 2 ahol σ y a függő változóban elkövetett kísérlet hba varancája. Legyen L a becsült βˆ paraméter-vektor távolsága az gaz (smeretlen) β paramétervektortól, ekkor T ( ˆ β β ) ( β β ) 2 L = ˆ (5.8) A közepes négyzetes hba (Mean Square Error) több paraméter esetére a következőképpen fejezhető k: 3

31 MSE = E p T ( ˆ ) ( ) 2 T 2 β β ˆ β β = E( L ) = σ Trace( X X ) = σ σ > λ λ = 1 mn (5.9) ahol λ az X T X mátrx -edk sajátértéke. Ha az X T X mátrx rosszul kondconált, a sajátértékek közül egy vagy több kcs, és a MSE függvény nagy lesz, vagys a becsült βˆ paraméterek messze lesznek az gaz paraméter-értékektől. Ilyen rosszul kondconáltság fordul elő, ha a független változók nem ortogonálsak egymásra, vagys az ortogonáls kísérlet tervektől eltekntve ksebbnagyobb mértékben mndg. Ezt a jelenséget multkollneartásnak nevezk. Többváltozós esetre (több paraméter esetére) rtkábban bár, de szokás használn a mátrx- MSE-nek nevezett függvényt, am nevének megfelelően a skalárs jellegű MSE függvénnyel ellentétben mátrx, és tartalmazza a becsült paraméterek egymással való összefüggését (kovaranca-mátrxát) s: T MtxMSE = E ( ˆ β β )( ˆ β β ) (5.1) Ebben a dolgozatban csak a skalárs MSE függvényt fogom használn Rdge regresszó A rosszul kondconált X T X mátrx okozta problémák megoldására Hoerl és Kennard (197) torzított becslést javasolt, melyet rdge regresszónak neveztek el. A módszer lényege, hogy a becslés formulájában az X T X mátrx dagonáls elemehez ks poztív számot adnak: ˆ * β = T 1 T ( X X + ki ) X Y (5.11) A képletben a becslés szokásos βˆ jelöléséhez képest (amellyel a továbbakban a * legksebb négyzetek módszere szernt becslést fogom jelöln) ˆβ jelöl a rdge becslést. Ez a következő függvény mnmalzálását jelent: ( ˆ * T ) ( ˆ * ) ˆ * T ˆ * Y Xβ Y Xβ + kβ = mn ˆ * φ( β ) = β (5.12) * A ˆβ a rdge becsléssel kapott paraméterek vektora, megkülönböztetendő a közönséges legksebb négyzetes becslések βˆ vektorától. A mnmum helyének szükséges feltétele a dervált zérus volta, ennek kfejezéséhez célszerű algebra átalakításokat alkalmazn: φ ( ˆ * T T ) ˆ * ( ˆ * T ) ( ˆ * T ) ( ˆ * ) ˆ * T ˆ * β = Y Y Y Xβ Xβ Y + Xβ Xβ + kβ β = mn (5.13) 31

Az entrópia statisztikus értelmezése

Az entrópia statisztikus értelmezése Az entrópa statsztkus értelmezése A tapasztalat azt mutatja hogy annak ellenére hogy egy gáz molekulá egyed mozgást végeznek vselkedésükben mégs szabályszerűségek vannak. Statsztka jellegű vselkedés szabályok

Részletesebben

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer? 01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test

Részletesebben

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,

Részletesebben

VÁLASZOK A FIZKÉM I ALAPKÉRDÉSEKRE, KERESZTÉVFOLYAM 2006

VÁLASZOK A FIZKÉM I ALAPKÉRDÉSEKRE, KERESZTÉVFOLYAM 2006 ÁLASZOK A FIZKÉM I ALAPKÉRDÉSEKRE, KERESZÉFOLYAM 6. Az elszgetelt rendszer határfelületén át nem áramlk sem energa, sem anyag. A zárt rendszer határfelületén energa léhet át, anyag nem. A nytott rendszer

Részletesebben

Fázisegyensúlyok modellezése állapotegyenletekkel

Fázisegyensúlyok modellezése állapotegyenletekkel Fázsegyensúlyok modellezése állapotegyenletekkel PhD értekezés Készítette: Farkas István Témavezető: Dr. Kemény Sándor, egyetem tanár Készült a Budapest Műszak és Gazdaságtudomány Egyetem Vegypar Műveletek

Részletesebben

Regresszió. Fő cél: jóslás Történhet:

Regresszió. Fő cél: jóslás Történhet: Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján

Részletesebben

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás. Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan

Részletesebben

Minősítéses mérőrendszerek képességvizsgálata

Minősítéses mérőrendszerek képességvizsgálata Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek

Részletesebben

Lineáris regresszió. Statisztika I., 4. alkalom

Lineáris regresszió. Statisztika I., 4. alkalom Lneárs regresszó Statsztka I., 4. alkalom Lneárs regresszó Ha két folytonos változó lneárs kapcsolatban van egymással, akkor az egyk segítségével elıre jelezhetjük a másk értékét. Szükségünk van a függı

Részletesebben

4 2 lapultsági együttható =

4 2 lapultsági együttható = Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.

Részletesebben

Elegyek. Fizikai kémia előadások 5. Turányi Tamás ELTE Kémiai Intézet. Elegyedés

Elegyek. Fizikai kémia előadások 5. Turányi Tamás ELTE Kémiai Intézet. Elegyedés Elegyek Fzka kéma előadások 5. Turány Tamás ELTE Kéma Intézet Elegyedés DEF elegyek: makroszkokusan homogén, többkomonensű rendszerek. Nemreaktív elegyben kéma reakcó nncs, de szerkezet változás lehet!

Részletesebben

A sokaság/minta eloszlásának jellemzése

A sokaság/minta eloszlásának jellemzése 3. előadás A sokaság/mnta eloszlásának jellemzése tpkus értékek meghatározása; az adatok különbözőségének vzsgálata, a sokaság/mnta eloszlásgörbéjének elemzése. Eloszlásjellemzők Középértékek helyzet (Me,

Részletesebben

A Ga-Bi OLVADÉK TERMODINAMIKAI OPTIMALIZÁLÁSA

A Ga-Bi OLVADÉK TERMODINAMIKAI OPTIMALIZÁLÁSA A Ga-B OLVADÉK TRMODINAMIKAI OPTIMALIZÁLÁSA Végh Ádám, Mekler Csaba, Dr. Kaptay György, Mskolc gyetem, Khelyezett Nanotechnológa tanszék, Mskolc-3, gyetemváros, Hungary Bay Zoltán Közhasznú Nonproft kft.,

Részletesebben

Elektrokémia 03. Cellareakció potenciálja, elektródreakció potenciálja, Nernst-egyenlet. Láng Győző

Elektrokémia 03. Cellareakció potenciálja, elektródreakció potenciálja, Nernst-egyenlet. Láng Győző lektrokéma 03. Cellareakcó potencálja, elektródreakcó potencálja, Nernst-egyenlet Láng Győző Kéma Intézet, Fzka Kéma Tanszék ötvös Loránd Tudományegyetem Budapest Cellareakcó Közvetlenül nem mérhető (

Részletesebben

SZÁMOLÁSI FELADATOK. 2. Mekkora egy klíma teljesítménytényező maximális értéke, ha a szobában 20 C-ot akarunk elérni és kint 35 C van?

SZÁMOLÁSI FELADATOK. 2. Mekkora egy klíma teljesítménytényező maximális értéke, ha a szobában 20 C-ot akarunk elérni és kint 35 C van? SZÁMOLÁSI FELADATOK 1. Egy fehérje kcsapásához tartozó standard reakcóentalpa 512 kj/mol és standard reakcóentrópa 1,60 kj/k/mol. Határozza meg, hogy mlyen hőmérséklettartományban játszódk le önként a

Részletesebben

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak. 8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral

Részletesebben

Méréselmélet: 5. előadás,

Méréselmélet: 5. előadás, 5. Modellllesztés (folyt.) Méréselmélet: 5. előadás, 03.03.3. Út az adaptív elárásokhoz: (85) és (88) alapán: W P, ( ( P). Ez utóbb mndkét oldalát megszorozva az mátrxszal: W W ( ( n ). (9) Feltételezve,

Részletesebben

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás 3D - geometra modellezés, alakzatrekonstrukcó, nyomtatás 17. 3D Szegmentálás http://cg.t.bme.hu/portal/node/312 https://www.vk.bme.hu/kepzes/targyak/viiiav54 Dr. Várady Tamás, Dr. Salv Péter BME, Vllamosmérnök

Részletesebben

Statisztika elméleti összefoglaló

Statisztika elméleti összefoglaló 1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Szárítás során kialakuló hővezetés számítása Excel VBA makróval

Szárítás során kialakuló hővezetés számítása Excel VBA makróval Szárítás során kalakuló hővezetés számítása Excel VBA makróval Rajkó Róbert 1 Eszes Ferenc 2 Szabó Gábor 1 1 Szeged Tudományegyetem, Szeged Élelmszerpar Főskola Kar Élelmszerpar Műveletek és Környezettechnka

Részletesebben

Bevezetés a kémiai termodinamikába

Bevezetés a kémiai termodinamikába A Sprnger kadónál megjelenő könyv nem végleges magyar változata (Csak oktatás célú magánhasználatra!) Bevezetés a kéma termodnamkába írta: Kesze Ernő Eötvös Loránd udományegyetem Budapest, 007 Ez az oldal

Részletesebben

Support Vector Machines

Support Vector Machines Support Vector Machnes Ormánd Róbert MA-SZE Mest. Int. Kutatócsoport 2009. február 17. Előadás vázlata Rövd bevezetés a gép tanulásba Bevezetés az SVM tanuló módszerbe Alapötlet Nem szeparálható eset Kernel

Részletesebben

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege A multkrtérumos elemzés célja, alkalmazás területe, adat-transzformácós eljárások, az osztályozás eljárások lényege Cél: tervváltozatok, objektumok értékelése (helyzetértékelés), döntéshozatal segítése

Részletesebben

Az α értékének változtatásakor tanulmányozzuk az y-x görbe alakját. 2 ahol K=10

Az α értékének változtatásakor tanulmányozzuk az y-x görbe alakját. 2 ahol K=10 9.4. Táblázatkezelés.. Folyadék gőz egyensúly kétkomponensű rendszerben Az illékonyabb komponens koncentrációja (móltörtje) nagyobb a gőzfázisban, mint a folyadékfázisban. Móltört a folyadékfázisban x;

Részletesebben

,...,q 3N és 3N impulzuskoordinátával: p 1,

,...,q 3N és 3N impulzuskoordinátával: p 1, Louvlle tétele Egy tetszőleges klasszkus mechanka rendszer állapotát mnden t dőpllanatban megadja a kanónkus koordnáták összessége. Legyen a rendszerünk N anyag pontot tartalmazó. Ilyen esetben a rendszer

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

3D-s számítógépes geometria

3D-s számítógépes geometria 3D-s számítógépes geometra 11. 3D szegmentálás http://cg.t.bme.hu/portal/node/31 https://www.vk.bme.hu/kepzes/targyak/viiiav01 Dr. Várady Tamás BME, Vllamosmérnök és Informatka Kar Irányítástechnka és

Részletesebben

A mérési eredmény megadása

A mérési eredmény megadása A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

2 Wigner Fizikai Kutatóintézet augusztus / 17

2 Wigner Fizikai Kutatóintézet augusztus / 17 Táguló sqgp tűzgömb többkomponensű kéma kfagyása Kasza Gábor 1 és Csörgő Tamás 2,3 1 Eötvös Loránd Tudományegyetem 2 Wgner Fzka Kutatóntézet 3 Károly Róbert Főskola 2015. augusztus 17. Gyöngyös - KRF 1

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék, az MTA Közgazdaságtudomány

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

METROLÓGIA ÉS HIBASZÁMíTÁS

METROLÓGIA ÉS HIBASZÁMíTÁS METROLÓGIA ÉS HIBASZÁMíTÁS Metrológa alapfogalmak A metrológa a mérések tudománya, a mérésekkel kapcsolatos smereteket fogja össze. Méréssel egy objektum valamlyen tulajdonságáról számszerű értéket kapunk.

Részletesebben

BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK

BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK BUDAPESTI MŰ SZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR VASÚTI JÁRMŰVEK ÉS JÁRMŰRENDSZERANALÍZIS TANSZÉK MÉRNÖKI MATAMATIKA Segédlet a Bessel-függvények témaköréhez a Közlekedésmérnök

Részletesebben

Statisztika feladatok

Statisztika feladatok Statsztka ok Informatka Tudományok Doktor Iskola Bzonyítandó, hogy: azaz 1 Tekntsük az alább statsztkákat: Igazoljuk, hogy torzítatlan statsztkák! Melyk a leghatásosabb közöttük? (Ez az együttes eloszlásfüggvényük.)

Részletesebben

d(f(x), f(y)) q d(x, y), ahol 0 q < 1.

d(f(x), f(y)) q d(x, y), ahol 0 q < 1. Fxponttétel Már a hétköznap életben s gyakran tapasztaltuk, hogy két pont között a távolságot nem feltétlenül a " kettő között egyenes szakasz hossza" adja Pl két település között a távolságot közlekedés

Részletesebben

Diszkrét Matematika. zöld könyv ): XIII. fejezet: 1583, 1587, 1588, 1590, Matematikai feladatgyűjtemény II. (

Diszkrét Matematika. zöld könyv ): XIII. fejezet: 1583, 1587, 1588, 1590, Matematikai feladatgyűjtemény II. ( FELADATOK A LEKÉPEZÉSEK, PERMUTÁCIÓK TÉMAKÖRHÖZ Diszkrét Matematika 4. LEKÉPEZÉSEK Értelmezési tartomány és értékkészlet meghatározása : Összefoglaló feladatgyűjtemény matematikából ( zöld könyv ): XIII.

Részletesebben

KLASSZIKUS TERMODINAMIKA

KLASSZIKUS TERMODINAMIKA Klasszkus termodnamka KLASSZIKUS ERMODINAMIKA Póta György: Modern fzka kéma (Dgtáls ankönyvtár, 2013), 1.1 fejezet P. W. Atkns: Fzka kéma I. (ankönyvkadó, Budapest, 2002) Amkor először tanulod, egyáltalán

Részletesebben

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! SPEC 2009-2010. II. félév Statsztka II HÁZI dolgozat Név:... Neptun kód: 20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! 1. példa Egy üzemben tejport csomagolnak zacskókba,

Részletesebben

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések Gakorló feladatok a Kísérletek tervezése és értékelése c. tárgból Lneárs regresszó, smétlés nélkül mérések 1. példa Az alább táblázat eg kalbrácós egenes felvételekor mért adatokat tartalmazza: x 1.8 3

Részletesebben

TARTALOM. 8. Elegyek és oldatok 2

TARTALOM. 8. Elegyek és oldatok 2 TARTALOM 8. Elegyek és oldatok 8.. A kéma otencál 3 8.. A fázsegyensúlyok feltétele 8 8.3. A Gbbs-féle fázsszabály 0 8.4. Az elegykéződésre jellemző mennységek 3 8.5. Parcáls molárs mennységek 7 8.6. A

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.

Részletesebben

Az elektromos kölcsönhatás

Az elektromos kölcsönhatás TÓTH.: lektrosztatka/ (kbővített óravázlat) z elektromos kölcsönhatás Rég tapasztalat, hogy megdörzsölt testek különös erőket tudnak kfejten. Így pl. megdörzsölt műanyagok (fésű), megdörzsölt üveg- vagy

Részletesebben

Könnyűolaj fázisviselkedésének modellezése

Könnyűolaj fázisviselkedésének modellezése Könnyűolaj fázsvselkedésének modellezése Készítette: Gajda Mhály MSc-s Olajmérnök Konzulens: Papp István TTF Tanácsadó Mskolc, 01.10.9. Tartalomjegyzék Ábrák jegyzéke... Táblázatok jegyzéke... v Mellékletek

Részletesebben

Gázok. 5-7 Kinetikus gázelmélet 5-8 Reális gázok (limitációk) Fókusz Légzsák (Air-Bag Systems) kémiája

Gázok. 5-7 Kinetikus gázelmélet 5-8 Reális gázok (limitációk) Fókusz Légzsák (Air-Bag Systems) kémiája Gázok 5-1 Gáznyomás 5-2 Egyszerű gáztörvények 5-3 Gáztörvények egyesítése: Tökéletes gáz egyenlet és általánosított gáz egyenlet 5-4 A tökéletes gáz egyenlet alkalmazása 5-5 Gáz halmazállapotú reakciók

Részletesebben

3515, Miskolc-Egyetemváros

3515, Miskolc-Egyetemváros Anyagmérnök udományok, 37. kötet, 1. szám (01), pp. 49 56. A-FE-SI ÖVÖZERENDSZER AUMÍNIUMAN GAZDAG SARKÁNAK FEDOGOZÁSA ESPHAD-MÓDSZERRE ESIMAION OF HE A-RIH ORNER OF HE A-FE-SI AOY SYSEM Y ESPHAD MEHOD

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. Példa. A gamma függvény és a Fubini-tétel. . Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +

Részletesebben

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr. Korrelácó-számítás 1. előadás Döntéselőkészítés módszertana Dr. Varga Beatr Két változó között kapcsolat Függetlenség: Az X smérv szernt hovatartozás smerete nem ad semmlen többletnformácót az Y szernt

Részletesebben

Gőz-folyadék egyensúly

Gőz-folyadék egyensúly Gőz-folyadék egyensúly UNIFAC modell: csoport járulék módszer A UNIQUAC modellből kiindulva fejlesztették ki A molekulákat különböző csoportokból építi fel - csoportokra jellemző, mért paraméterek R és

Részletesebben

Várható érték:... p Módusz:...

Várható érték:... p Módusz:... NEVEZETES ELOSZLÁSOK. Bernoull-eloszlás: B(, p p ha x = Súlyfüggvény:... P( X = x; p =...ahol: q=-p q ha x = 0 ha p q Várható érték:... p Módusz:... 0 ha p q Varanca:... pq Relatív szórás:... q p. ÁBRA.

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

Gázok. Boyle-Mariotte törvény. EdmeMariotte ( ) Robert Boyle ( ) Adott mennyiségű ideális gázra: pv=állandó. két állapotra: p 1 V 1

Gázok. Boyle-Mariotte törvény. EdmeMariotte ( ) Robert Boyle ( ) Adott mennyiségű ideális gázra: pv=állandó. két állapotra: p 1 V 1 Boyle-Marotte törény Gázok Nyomás / atm Robert Boyle (167 1691) EdmeMarotte (160 1684) Adott mennységű deáls gázra: pvállandó két állapotra: Térfogat p 1 V 1 p V http://www.unzar.es/lfnae/luzon/cdr3/termodnamca.htm

Részletesebben

Békefi Zoltán. Közlekedési létesítmények élettartamra vonatkozó hatékonyság vizsgálati módszereinek fejlesztése. PhD Disszertáció

Békefi Zoltán. Közlekedési létesítmények élettartamra vonatkozó hatékonyság vizsgálati módszereinek fejlesztése. PhD Disszertáció Közlekedés létesítmények élettartamra vonatkozó hatékonyság vzsgálat módszerenek fejlesztése PhD Dsszertácó Budapest, 2006 Alulírott kjelentem, hogy ezt a doktor értekezést magam készítettem, és abban

Részletesebben

Statisztika I. 3. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 3. előadás. Előadó: Dr. Ertsey Imre Statsztka I. 3. előadás Előadó: Dr. Ertsey Imre Vszonyszámok Statsztka munka: adatgyűjtés, rendszerezés, összegzés, értékelés. Vszonyszámok: Két statsztka adat arányát kfejező számok, Az un. leszármaztatott

Részletesebben

Matematikai geodéziai számítások 10.

Matematikai geodéziai számítások 10. Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból

Részletesebben

Hely és elmozdulás - meghatározás távolságméréssel

Hely és elmozdulás - meghatározás távolságméréssel Hely és elmozdulás - meghatározás távolságméréssel Bevezetés A repülő szerkezetek repülőgépek, rakéták, stb. helyének ( koordnátának ) meghatározása nem új feladat. Ezt a szakrodalom részletesen taglalja

Részletesebben

IDA ELŐADÁS I. Bolgár Bence október 17.

IDA ELŐADÁS I. Bolgár Bence október 17. IDA ELŐADÁS I. Bolgár Bence 2014. október 17. I. Generatív és dszkrmnatív modellek Korábban megsmerkedtünk a felügyelt tanulással (supervsed learnng). Legyen adott a D = {, y } P =1 tanító halmaz, ahol

Részletesebben

Egy negyedrendű rekurzív sorozatcsaládról

Egy negyedrendű rekurzív sorozatcsaládról Egy negyedrendű rekurzív sorozatcsaládról Pethő Attla Emlékül Kss Péternek, a rekurzív sorozatok fáradhatatlan kutatójának. 1. Bevezetés Legyenek a, b Z és {1, 1} olyanok, hogy a 2 4b 2) 0, b 2 és ha 1,

Részletesebben

Intelligens elosztott rendszerek

Intelligens elosztott rendszerek Intellgens elosztott rendszerek VIMIAC2 Adatelőkészítés: hhetőségvzsgálat normálás stb. Patak Béla BME I.E. 414, 463-26-79 atak@mt.bme.hu, htt://www.mt.bme.hu/general/staff/atak Valamlyen dőben állandó,

Részletesebben

January 16, ψ( r, t) ψ( r, t) = 1 (1) ( ψ ( r,

January 16, ψ( r, t) ψ( r, t) = 1 (1) ( ψ ( r, Közelítő módszerek January 16, 27 1 A variációs módszer A variációs módszer szintén egy analitikus közelítő módszer. Olyan esetekben alkalmazzuk mikor ismert az analitikus alak amelyben keressük a sajátfüggvényt,

Részletesebben

Ötvözetek mágneses tulajdonságú fázisainak vizsgálata a hiperbolikus modell alkalmazásával

Ötvözetek mágneses tulajdonságú fázisainak vizsgálata a hiperbolikus modell alkalmazásával AGY 4, Kecskemét Ötvözetek mágneses tulajdonságú fázsanak vzsgálata a hperbolkus modell alkalmazásával Dr. Mészáros István egyetem docens Budapest Műszak és Gazdaságtudomány Egyetem Anyagtudomány és Technológa

Részletesebben

A MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA

A MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA A MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA KLASSZIKUS DINAMIKA Klasszkus magok mozognak egy elre elkészített potencálfelületen. Potencálfelület

Részletesebben

A paramétereket kísérletileg meghatározott yi értékekre támaszkodva becsülik. Ha n darab kisérletet (megfigyelést, mérést) végeznek, n darab

A paramétereket kísérletileg meghatározott yi értékekre támaszkodva becsülik. Ha n darab kisérletet (megfigyelést, mérést) végeznek, n darab öbbváltozós regresszók Paraméterbecslés-. A paraméterbecslés.. A probléma megfogalmazása A paramétereket kísérletleg meghatározott y értékekre támaszkodva becsülk. Ha darab ksérletet (megfgyelést, mérést

Részletesebben

Általános esetben az atomok (vagy molekulák) nem függetlenek, közöttük erős

Általános esetben az atomok (vagy molekulák) nem függetlenek, közöttük erős I. BEVEZETÉS A STATISZTIKUS MÓDSZEREKBE Ebben a fejezetben konkrét példán vzsgáljuk meg, hogy mlyen jellegzetes tulajdonsága vannak a makroszkopkus testeknek statsztkus fzka szempontból. A megoldás során

Részletesebben

Turbulens áramlás modellezése háromszög elrendezésű csőkötegben

Turbulens áramlás modellezése háromszög elrendezésű csőkötegben Turbulens áramlás modellezése háromszög elrendezésű csőkötegben Mayer Gusztáv mayer@sunserv.kfk.hu 2005. 09. 27. CFD Workshop 1 Tartalom - Vzsgált geometra Motvácó Az áramlás jellemző Saját fejlesztésű

Részletesebben

TÉRBELI STATISZTIKAI VIZSGÁLATOK, ÁTLAGOS JELLEMZŐK ÉS TENDENCIÁK MAGYARORSZÁGON. Bihari Zita, OMSZ Éghajlati Elemző Osztály OMSZ

TÉRBELI STATISZTIKAI VIZSGÁLATOK, ÁTLAGOS JELLEMZŐK ÉS TENDENCIÁK MAGYARORSZÁGON. Bihari Zita, OMSZ Éghajlati Elemző Osztály OMSZ TÉRBELI STATISZTIKAI VIZSGÁLATOK, ÁTLAGOS JELLEMZŐK ÉS TENDENCIÁK MAGYARORSZÁGON Bhar Zta, OMSZ Éghajlat Elemző Osztály OMSZ Áttekntés Térbel vzsgálatok Alkalmazott módszer: MISH Eredmények Tervek A módszer

Részletesebben

Gázok. 5-7 Kinetikus gázelmélet 5-8 Reális gázok (korlátok) Fókusz: a légzsák (Air-Bag Systems) kémiája

Gázok. 5-7 Kinetikus gázelmélet 5-8 Reális gázok (korlátok) Fókusz: a légzsák (Air-Bag Systems) kémiája Gázok 5-1 Gáznyomás 5-2 Egyszerű gáztörvények 5-3 Gáztörvények egyesítése: Tökéletes gázegyenlet és általánosított gázegyenlet 5-4 A tökéletes gázegyenlet alkalmazása 5-5 Gáz reakciók 5-6 Gázkeverékek

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

v i = v i V. (1) m i m i (v i V) = i P = i m i V = m i v i i A V = P M

v i = v i V. (1) m i m i (v i V) = i P = i m i V = m i v i i A V = P M Mképpen függ egy pontrendszer mpulzusa a vonatkoztatás rendszertől? K-ban legyenek a részecskék sebessége v. K -ben mely K-hoz képest V sebességgel halad v = v V. (1) P = m v = m (v V) = m v m V = = P

Részletesebben

Keresztmetszet másodrendű nyomatékainak meghatározása

Keresztmetszet másodrendű nyomatékainak meghatározása BUDAPEST MŰSZAK ÉS GAZDASÁGTUDOMÁNY EGYETEM Keresztmetszet másodrendű nyomatékainak meghatározása Segédlet a Szilárdságtan c tárgy házi feladatához Készítette: Lehotzky Dávid Budapest, 205 február 28 ábra

Részletesebben

1. Feladatok a termodinamika tárgyköréből

1. Feladatok a termodinamika tárgyköréből . Feladatok a termodinamika tárgyköréből Hővezetés, hőterjedés sugárzással.. Feladat: (HN 9A-5) Egy épület téglafalának mérete: 4 m 0 m és, a fal 5 cm vastag. A hővezetési együtthatója λ = 0,8 W/m K. Mennyi

Részletesebben

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr.

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr. Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Regresszó-számítás. előadás Kvanttatív statsztka módszerek Dr. Varga Beatr Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Korrelácós

Részletesebben

Problémás regressziók

Problémás regressziók Universitas Eotvos Nominata 74 203-4 - II Problémás regressziók A közönséges (OLS) és a súlyozott (WLS) legkisebb négyzetes lineáris regresszió egy p- változós lineáris egyenletrendszer megoldása. Az egyenletrendszer

Részletesebben

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI, Bevezetés a bometrába Dr. Dnya Elek egyetem tanár PhD kurzus. KOKI, 205.0.08. ADATREDUKCIÓ I. Középértékek Adatredukcó. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények:

Részletesebben

Molekuláris dinamika: elméleti potenciálfelületek

Molekuláris dinamika: elméleti potenciálfelületek Molekulárs dnamka: elmélet potencálfelületek éhány szó a potencál felület meghatározásáról Szemempírkus és ab nto potencál felületek a teles felület meghatározása (pontos nem megy részletek: mndárt éhány

Részletesebben

A gáz halmazállapot. A bemutatót összeállította: Fogarasi József, Petrik Lajos SZKI, 2011

A gáz halmazállapot. A bemutatót összeállította: Fogarasi József, Petrik Lajos SZKI, 2011 A gáz halmazállapot A bemutatót összeállította: Fogarasi József, Petrik Lajos SZKI, 0 Halmazállapotok, állapotjelzők Az anyagi rendszerek a részecskék közötti kölcsönhatásoktól és az állapotjelzőktől függően

Részletesebben

Typotex Kiadó. Jelölések

Typotex Kiadó. Jelölések Jelölések a = dolgozók fogyasztása (12. fejezet és A. függelék) a i = egyéni tőkeállomány i éves korban A = társadalmi (aggregált) tőkeállomány b j = egyéni nyugdíj j éves korban b k = k-adik nyugdíjosztály

Részletesebben

Extrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés

Extrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés Extrém-érték modellezés Zemplén András Alkalmazott modul 03. február. Extrém-érték elemzés Klasszkus módszerek: év maxmumon alapulnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízbıl

Részletesebben

Egyenáramú szervomotor modellezése

Egyenáramú szervomotor modellezése Egyenáramú szervomotor modellezése. A gyakorlat élja: Az egyenáramú szervomotor mködését leíró modell meghatározása. A modell valdálása számításokkal és szotverejlesztéssel katalógsadatok alapján.. Elmélet

Részletesebben

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula KOMBINATORIKA ELŐADÁS osztatlan matematka tanár hallgatók számára Szta formula Előadó: Hajnal Péter 2015. 1. Bevezető példák 1. Feladat. Hány olyan sorbaállítása van a a, b, c, d, e} halmaznak, amelyben

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus

Részletesebben

1 Műszaki hőtan Termodinamika. Ellenőrző kérdések-02 1

1 Műszaki hőtan Termodinamika. Ellenőrző kérdések-02 1 1 Műszaki hőtan Termodinamika. Ellenőrző kérdések-02 1 Kérdések. 1. Mit mond ki a termodinamika nulladik főtétele? Azt mondja ki, hogy mindenegyes termodinamikai kölcsönhatáshoz tartozik a TDR-nek egyegy

Részletesebben

Az egyensúly. Általános Kémia: Az egyensúly Slide 1 of 27

Az egyensúly. Általános Kémia: Az egyensúly Slide 1 of 27 Az egyensúly 6'-1 6'-2 6'-3 6'-4 6'-5 Dinamikus egyensúly Az egyensúlyi állandó Az egyensúlyi állandókkal kapcsolatos összefüggések Az egyensúlyi állandó számértékének jelentősége A reakció hányados, Q:

Részletesebben

Integrált rendszerek n é v; dátum

Integrált rendszerek n é v; dátum Integrált rendszerek n é v; dátum.) Az dentfkálás (folyamatdentfkácó) a.) elsődleges feladata absztrahált leírás fzka modell formában b.) legfőbb feladata a struktúradentfkálás (modellszerkezet felállítása)

Részletesebben

Statisztikai módszerek a skálafüggetlen hálózatok

Statisztikai módszerek a skálafüggetlen hálózatok Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti

Részletesebben

ADATREDUKCIÓ I. Középértékek

ADATREDUKCIÓ I. Középértékek ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz mn középérték

Részletesebben

Alapvető elektrokémiai definíciók

Alapvető elektrokémiai definíciók Alapvető elektrokéma defnícók Az elektrokéma cella Elektródnak nevezünk egy onvezető fázssal (másodfajú vezető, pl. egy elektroltoldat, elektroltolvadék) érntkező elektronvezetőt (elsőfajú vezető, pl.

Részletesebben

Al-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása

Al-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása l--si háromalkotós egyensúlyi fázisdiagram közelítő számítása evezetés Farkas János 1, Dr. Roósz ndrás 1 doktorandusz, tanszékvezető egyetemi tanár Miskolci Egyetem nyag- és Kohómérnöki Kar Fémtani Tanszék

Részletesebben

A Statisztika alapjai

A Statisztika alapjai A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati

Részletesebben

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás 3D - geometra modellezés, alakzatrekonstrukcó, nyomtatás b Háromszöghálók - algortmusok http://cgtbmehu/portal/node/3 https://wwwvkbmehu/kepzes/targyak/viiiav54 Dr Várady Tamás, Dr Salv Péter BME, Vllamosmérnök

Részletesebben

Nagynyomású fázisegyensúly vizsgálata opálosodási pont megfigyelésével

Nagynyomású fázisegyensúly vizsgálata opálosodási pont megfigyelésével Nagynyomású fázsegyensúly vzsgálata opálosodás pont megfgyelésével Bevezetés A szuperkrtkus oldószerek felhasználás területe között az utóbb két évtzedben egyre nagyobb szerepet kapnak a kéma reakcók.

Részletesebben

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június ÖKONOMETIA Készült a TÁMOP-4.1.-08//A/KM-009-0041pályázat projet eretébe Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomáy Taszéé az ELTE Közgazdaságtudomáy Taszé az MTA Közgazdaságtudomáy Itézet és a

Részletesebben

ELTE II. Fizikus, 2005/2006 I. félév KISÉRLETI FIZIKA Hıtan 15. (XII.14) Irreverzibilis termodinamika Diffúzió

ELTE II. Fizikus, 2005/2006 I. félév KISÉRLETI FIZIKA Hıtan 15. (XII.14) Irreverzibilis termodinamika Diffúzió λ x ELTE II. Fzkus, 2005/2006 I. félév KISÉRLETI FIZIKA Hıtan 15. (XII.14) Irreverzbls termodnamka Dffúzó Az átlagos szabad úthossz (λ) és az átlagos ütközés dı (τ): λ = < v> τ A N = n (A x); A σ σ π (2r)

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Gazdasági matematika II. vizsgadolgozat megoldása, június 10 Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett

Részletesebben

I. A közlekedési hálózatok jellemzői II. A közlekedési szükségletek jellemzői III. Analitikus forgalom-előrebecslési modell

I. A közlekedési hálózatok jellemzői II. A közlekedési szükségletek jellemzői III. Analitikus forgalom-előrebecslési modell Budapest Műszak és Gazdaságtudomány Egyetem Közlekedésmérnök és Járműmérnök Kar Közlekedésüzem Tanszék HÁLÓZATTERVEZÉSI MESTERISKOLA BEVEZETÉS A KÖZLEKEDÉS MODELLEZÉSI FOLYAMATÁBA Dr. Csszár Csaba egyetem

Részletesebben

Dr. Ratkó István. Matematikai módszerek orvosi alkalmazásai. 2010.11.08. Magyar Tudomány Napja. Gábor Dénes Főiskola

Dr. Ratkó István. Matematikai módszerek orvosi alkalmazásai. 2010.11.08. Magyar Tudomány Napja. Gábor Dénes Főiskola Dr. Ratkó István Matematka módszerek orvos alkalmazása 200..08. Magyar Tudomány Napja Gábor Dénes Főskola A valószínűségszámítás és matematka statsztka főskola oktatásakor a hallgatók néha megkérdezk egy-egy

Részletesebben

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

Részletesebben