Физические и математические модели
ЛЕКЦИЯ 2. Физические и математические модели
1. Общие принципы построения математических моделей.
2. Аналитические исследования и идентификация. Имитационные модели.
1. Общие принципы построения математических моделей
Под математическим моделированием понимают изучение свойств объекта на математической модели. Его целью является определение оптимальных условий протекания процесса, управление им на основе математической модели и перенос результатов на объект.
Рекомендуемые материалы
Основным понятием метода математического моделирования является понятие математической модели. Математической моделью называется приближенное описание какого-либо явления или процесса внешнего мира, выраженное с помощью математической символики.
Математическое моделирование включает три взаимосвязанных этапа: 1) составление математического описания изучаемого объекта; 2) выбор метода решения системы уравнений математического описания и реализация его в форме моделирующей программы; 3) установление соответствия ( адекватности) модели объекту.
На этапе составления математического описания предварительно выделяют основные явления и элементы в объекте и затем устанавливают связи между ними. Далее, для каждого выделенного элемента и явления записывают уравнение, отражающее его функционирование. Кроме того, в математическое описание включают уравнения связи между различными выделенными явлениями. В зависимости от процесса математическое описание может быть представлено в виде системы алгебраических, дифференциальных, интегральных и интегро-дифференциальных уравнений.
Этап выбора метода решения и разработки моделирующей программы подразумевает выбор наиболее эффективного метода решения из имеющихся ( под эффективностью имеются в виду быстрота получения и точность решения) и реализацию его сначала в форме алгоритма решения, а затем – в форме программы, пригодной для расчета на ЭВМ.
Построенная на основе физических представлений модель должна верно качественно и количественно описывать свойства моделируемого процесса, т.е. она должна быть адекватна моделируемому процессу. Для проверки адекватности математической модели реальному процессу нужно сравнить результаты измерений на объекте в ходе процесса с результатами предсказания модели в идентичных условиях.
Этап установления адекватности модели является заключительным в последовательности этапов, выполняемых при ее разработке.
2. Исторически первым сложился аналитический подход к исследованию систем, когда ЭВМ использовалась в качестве вычислителя по аналитическим зависимостям. Анализ характеристик процессов функционирования больших систем с помощью только аналитических методов исследования наталкивается обычно на значительные трудности, приводящие к необходимости существенного упрощения моделей либо на этапе их построения, либо в процессе работы с моделью, что может привести к получению недостоверных результатов.
Поэтому в настоящее время наряду с построением аналитических моделей большое внимание уделяется задачам оценки характеристик больших систем на основе имитационных моделей, реализованных на современных ЭВМ с высоким быстродействием и большим объемом оперативной памяти. Причем перспективность имитационного моделирования как метода исследования характеристик процесса функционирования больших систем возрастает с повышением быстродействия и оперативной памяти ЭВМ, с развитием математического обеспечения, совершенствованием банков данных и периферийных устройств для организации диалоговых систем моделирования. Это в свою очередь, способствует появлению новых «чисто машинных» методов решения задач исследования больших систем на основе организации имитационных экспериментов с их моделями. Причем ориентация на автоматизированные рабочие места на базе персональных ЭВМ для реализации экспериментов с имитационными моделями больших систем позволяет проводить не только анализ их характеристик, но и решать задачи структурного, алгоритмического и параметрического синтеза таких систем при заданных критериях оценки эффективности и ограничениях.
Достигнутые успехи в использовании средств вычислительной техники для целей моделирования часто создаются иллюзию, что применение современной ЭВМ гарантирует возможность исследования системы любой сложности. При этом игнорируется тот факт, что в основу любой модели положено трудоемкое по затратам времени и материальных ресурсов предварительное изучение явлений, имеющих место в объекте-оригинале. И от того, насколько детально изучены реальные явления, насколько правильно проведена их формализация и алгоритмизация, зависит в конечном итоге успех моделирования конкретного объекта.
Математическое моделирование. Для исследования характеристик процесса функционирования любой системы S математическими методами, включая и машинные, должна быть проведена формализация этого процесса, т.е. построена математическая модель.
При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы S во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы S.
Основным преимуществом имитационного моделирования по сравнению с аналитическим является возможность решения более сложных задач. Имитационные модели позволяют достаточно просто учитывать такие факторы, как наличие дискретных и непрерывных элементов, нелинейные характеристики элементов системы, многочисленные случайные воздействия и др., которые часто создают трудности при аналитических исследованиях. В настоящее время имитационное моделирование - наиболее эффективный метод исследования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования.
Когда результаты, полученные при воспроизведении на имитационной модели процесса функционирования системы S являются реализациями случайных величин и функций, тогда для нахождения характеристик процесса требуется его многократное воспроизведение с последующей статистической обработкой информации и целесообразно в качестве метода машинной реализации имитационной модели использовать метод статистического моделирования. Первоначально был разработан метод статистических испытаний, представляющий собой численный метод, который применялся для моделирования случайных величин и функций, вероятностные характеристики которых совпадали с решениями аналитических задач (такая процедура получила название метода Монте-Карло). Затем этот прием стали применять и для машинной имитации с целью исследования характеристик процессов функционирования систем, подверженных случайным воздействиям, т.е. появился метод статистического моделирования. Таким образом, методом статистического моделирования будем в дальнейшем называть метод машинной реализации имитационной модели, а методом статистических испытаний (М о н т е- Ка р л о)-численный метод решения аналитической задачи.
Метод имитационного моделирования позволяет решать задачи анализа больших систем S, включая задачи оценки: вариантов структуры системы, эффективности различных алгоритмов управления системой, влияния изменения различных параметров системы. Имитационное моделирование может быть положено также в основу структурного, алгоритмического и параметрического синтеза больших систем, когда требуется создать систему, с заданными характеристиками при определенных ограничениях, которая является оптимальной по некоторым критериям оценки эффективности.
"18 - Особенности поисков в различных условиях" - тут тоже много полезного для Вас.
При решении задач машинного синтеза систем на основе их имитационных моделей помимо разработки моделирующих алгоритмов для анализа фиксированной системы необходимо также разработать алгоритмы поиска оптимального варианта системы. Далее в методологии машинного моделирования будем различать два основных раздела: статику и динамику, -основным содержанием которых являются соответственно вопросы анализа и синтеза систем, заданных моделирующими алгоритмами.
Комбинированное (аналитико-имитационное) моделирование при анализе и синтезе систем позволяет объединить достоинства аналитического и имитационного моделирования. При построении комбинированных моделей проводится предварительная декомпозиция процесса функционирования объекта на составляющие подпроцессы и для тех из них, где это возможно, используются аналитические модели, а для остальных подпроцессов строятся имитационные модели. Такой комбинированный подход позволяет охватить качественно новые классы систем, которые не могут быть исследованы с использованием только аналитического и имитационного моделирования в отдельности.
/1/ гл.1.1-1.4. /2/ гл. 1.1-1.3.
Контрольные вопросы:
1. Что представляет собой математическое моделирование?
2. Виды математического моделирования.
- Особенности различных видов математического моделирования.
