Лекция № 5 Основные этапы математического моделирования.

/ этап - постановка задачи исследования, решение которой должно быть получено посредством математического моделирова­ния. На этом этапе определяют объект изучения. Однако этого не­достаточно, ибо любой объект изучения, любой процесс неисчер­паемы в своих свойствах и отношениях (связях). Поэтому следует в соответствии с задачами исследования и конкретными условия­ми выделить из них наиболее существенные, исследование кото­рых должно привести к достижению поставленных целей.

II этап - разработка математической модели. Специалисты в области разработки математических моделей утверждают, что со­ставление математической модели - творческий процесс, кото­рый нельзя уложить в рамки конкретных рекомендаций. По их мнению, интуиция, знание дела и другие интеллектуальные каче­ства, которые, в сущности, не поддаются регулированию, играют важнейшую роль в процессе построения математической модели, и поэтому невозможно написать инструкцию или учебник по по­строению математических моделей. Более того, они считают, что если бы такой учебник был написан, то его появление скорее все­го приведет к ограничению творческих возможностей и не будет способствовать их развитию. Тем не менее анализ накопленного опыта позволил выявить определенные принципы построения ма­тематических моделей поршневых компрессоров*, которые изла­гаются в главе 9 настоящего пособия.

Определенный интерес представляют работы по автоматизации некоторых операций, связанных с разработкой математических моделей. Отметим, что успешные разработки автоматизированно­го составления математических моделей поршневых компрессо­ров возможны только после разработки структуры и основных принципов построения системы математических моделей из мо­дулей с последующим составлением и накоплением модульных математических моделей на всех уровнях иерархии.

III этап - выбор или разработка числового метода, реализующе­го разработанную математическую модель.

IVэтап - проверка математической модели на адекватность.

Уэтап - исследование на математической модели. Все вычисли­тельные эксперименты по заранее намеченному плану проводятся на разработанной математической модели.

VI этап -рассмотрение вопроса о переносе полученных на мате­матической модели данных на реальный объект изучения и об ис­пользовании полученной информации в практической деятельно­сти.

Пример последовательности математического моделирования. Процессы математического моделирования компрессора сложны и разнообразны и вряд ли могут быть представлены какой-то кон­кретной универсальной последовательностью действий, справед­ливой для всех случаев. Поэтому рассмотрим одну из возможных последовательностей работ по математическому моделированию рабочих процессов, протекающих в поршневом компрессоре, ко­торая используется в МГТУ им. Н. Э. Баумана (рис. 8.2).

Представленная на рис. 8.2 последовательность работ при мате­матическом моделировании, предусматривающая 12 стадий, явля­ется одновременно и типичной, и условной. Типичной она является, поскольку в ней представлены основные действия, выполня­емые при математическом моделировании рабочих процессов в поршневых компрессорах. Условность ее заключается в том, что в ряде случаев эта последовательность может быть сокращена или дополнена в зависимости от постановки задачи исследования и наличия информации на начальной стадии исследования.

Следует учитывать, что на практике часто вопросы, входящие в состав различных стадий, решаются одновременно и стадии быва­ет трудно разделить. Кроме того, при разработке и реализации ма­тематической модели, как правило, приходится возвращаться на­зад к уже пройденным стадиям и снова решать вопросы, относя­щиеся к ним. Причем такие циклы могут повторяться многократ­но. Например, в случаях, когда на стадии «Проверка адекватности» выявляется неадекватность математической модели поставленным при исследовании задачам, приходится возвра­щаться к стадии «Схематизация процесса» и по-новому произво­дить упрощение действительного процесса или возвращаться к стадии «Подбор и получение экспериментальных данных» и уточ­нять экспериментальную информацию.

Стадии 1, 2 и 3 соответствуют I этапу математического модели­рования, стадии 4, 5, 6 и 7 - II этапу, стадия 8 - III этапу, стадия 9 - IV этапу, стадия 10 - V этапу и стадии 11 и 12 - VI этапу.

Все стадии математического моделирования (см. рис. 8.2) име­ют большое значение для успешного моделирования. Однако при разработке математической модели наибольшее значение имеют мысленное представление физической сущности процесса, его схематизация, содержательное описание схематизированного про­цесса и возможность подбора необходимых экспериментальных данных из накопленного опыта.

Содержание основных стадий моделирования. Мысленное пред­ставление (стадия 2) физической сущности процесса включает в себя выделение контрольного объема (подробнее см. в главе 9), предусматривает четкое знание количественных и качественных характеристик процесса, ясное понимание составляющих процесс явлений, их взаимосвязей и взаимодействий, правильное опреде­ление главных, наиболее существенных факторов, оказывающих влияние на изучаемый процесс.

Цель исследования должна быть конкретной и четко сформу­лирована в письменном виде (стадия 3). Последнее позволяет из­бежать недоразумений и связанных с ними трудностей при обра­щении к цели исследования на любой последующей стадии моде­лирования.

При схематизации процесса (стадия 4) вводятся и обосновыва­ются допустимые с точки зрения исследователя упрощения, кото­рые позволяют описать основные явления формально, т. е. мате­матически.

Содержательное описание математической модели (Иногда содержательное описание математической модели называют концеп­туальной моделью) (стадия 5) представляет собой текстовое описание основных подходов, фи­зических принципов, допущений и предположений, которые образуют основу для создания модели. Предположения и обоснова­ния возможных аппроксимаций и усреднений данных, вводимых в математическую модель, также входят в содержательное описа­ние. На этой стадии определяют вид и форму представления на­чальных и граничных условий, перечень необходимых экспери­ментальных данных и вид их представления в математической мо­дели. На этой стадии экспериментальные данные могут быть представлены в виде таблиц или графиков. Читатель уже встречал­ся с содержательным описанием мысленной модели идеального компрессора в § 2.1.

Составление содержательного описания математической моде­ли очень полезно при исследованиях сложных объектов и процес­сов, так как позволяет более полно осмыслить математическую модель, на понятном языке согласовать модель с заказчиком и провести консультации со специалистами.

На стадии 6 необходимо закончить запись всех математических соотношений, представить все логические отношения в виде не­равенств, а также облечь в математическую форму остальные све­дения о процессе, включая экспериментальные данные, при этом такие данные аппроксимируются соответствующими функциями или полиномами, удобными для вычисления на ЭВМ.

Взаимодействие уравнений и экспериментальных данных. На од­ной из стадий моделирования (чаще всего это бывает на стадии не­посредственного написания математической модели) целесообраз­но рассмотреть схему взаимодействия отдельных частей математи­ческой модели, взаимосвязи между уравнениями, а также между уравнениями и экспериментальными данными (рис. 8.3 и 8.4).

Лекция 1.

МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ МОДЕЛИРОВАНИЯ

Современное состояние проблемы моделирования систем

Понятия модели и моделирования

Моделирование можно рассматривать как замещение исследуемогообъекта (оригинала) его условным образом, описанием или другим объектом,именуемым моделью и обеспечивающим близкое к оригиналу поведениев рамках некоторых допущений и приемлемых погрешностей. Моделированиеобычно выполняется с целью познания свойств оригинала путем исследованияего модели, а не самого объекта. Разумеется, моделирование оправдано в томслучае когда оно проще создания самого оригинала или когда последний покаким-то причинам лучше вообще не создавать.

Под моделью понимается физический или абстрактный объект, свойствакоторого в определенном смысле сходны со свойствами исследуемого объекта.При этом требования к модели определяются решаемой задачей и имеющимисясредствами. Существует ряд общих требований к моделям:

2) полнота – предоставление получателю всей необходимой информации

об объекте;

3) гибкость – возможность воспроизведения различных ситуаций во всем

диапазоне изменения условий и параметров;

4) трудоемкость разработки должна быть приемлемой для имеющегося

времени и программных средств.

Моделирование – это процесс построения модели объекта и исследованияего свойств путем исследования модели.

Таким образом, моделирование предполагает 2 основных этапа:

1) разработка модели;

2) исследование модели и получение выводов.

При этом на каждом из этапов решаются разные задачи и используются

отличающиеся по сути методы и средства.

На практике применяют различные методы моделирования. В зависимостиот способа реализации, все модели можно разделить на два больших класса:физические и математические.

Математическое моделирование принято рассматривать как средствоисследования процессов или явлений с помощью их математических моделей.

Под физическим моделированием понимается исследование объектов иявлений на физических моделях, когда изучаемый процесс воспроизводятс сохранением его физической природы или используют другое физическоеявление, аналогичное изучаемому. При этом физические модели предполагают, как правило, реальное воплощение тех физических свойстворигинала, которые являются существенными в конкретной ситуации.Например, при проектировании нового самолета создается его макет,обладающий теми же аэродинамическими свойствами; при планированиизастройки архитекторы изготавливают макет, отражающий пространственноерасположение ее элементов. В связи с этим физическое моделированиеназывают также макетированием .

Полунатурное моделирование представляет собой исследованиеуправляемых систем на моделирующих комплексах с включением в составмодели реальной аппаратуры. Наряду с реальной аппаратурой в замкнутуюмодель входят имитаторы воздействий и помех, математические моделивнешней среды и процессов, для которых неизвестно достаточно точноематематическое описание. Включение реальной аппаратуры или реальныхсистем в контур моделирования сложных процессов позволяет уменьшитьаприорную неопределенность и исследовать процессы, для которых нет точногоматематического описания. С помощью полунатурного моделированияисследования выполняются с учетом малых постоянных времени инелинейностей, присущих реальной аппаратуре. При исследовании моделей свключением реальной аппаратуры используется понятие динамическогомоделирования , при исследовании сложных систем и явлений -эволюционного , имитационного и кибернетического моделирования .

Очевидно, действительная польза от моделирования может быть полученатолько при соблюдении двух условий:

1) модель обеспечивает корректное (адекватное) отображение свойств

оригинала, существенных с точки зрения исследуемой операции;

2) модель позволяет устранить перечисленные выше проблемы, присущие

проведению исследований на реальных объектах.

2. Основные понятия математического моделирования

Решение практических задач математическими методами последовательноосуществляется путем формулировки задачи (разработки математическоймодели), выбора метода исследования полученной математической модели,анализа полученного математического результата. Математическаяформулировка задачи обычно представляется в виде геометрических образов,функций, систем уравнений и т.п. Описание объекта (явления) может бытьпредставлено с помощью непрерывной или дискретной, детерминированнойили стохастической и другими математическими формами.

Теория математического моделирования обеспечивает выявлениезакономерностей протекания различных явлений окружающего мира илиработы систем и устройств путем их математического описания имоделирования без проведения натурных испытаний. При этом используютсяположения и законы математики, описывающие моделируемые явления,системы или устройства на некотором уровне их идеализации.

Математическая модель (ММ) представляет собой формализованноеописание системы (или операции) на некотором абстрактном языке, например,в виде совокупности математических соотношений или схемы алгоритма,т. е. такое математическое описание, которое обеспечивает имитацию работысистем или устройств на уровне, достаточно близком к их реальномуповедению, получаемому при натурных испытаниях систем или устройств.

Любая ММ описывает реальный объект, явление или процесс с некоторойстепенью приближения к действительности. Вид ММ зависит как от природыреального объекта, так и от задач исследования.

Математическое моделирование общественных, экономических,биологических и физических явлений, объектов, систем и различных устройствявляется одним из важнейших средств познания природы и проектированиясамых разнообразных систем и устройств. Известны примеры эффективногоиспользования моделирования в создании ядерных технологий, авиационных иаэрокосмических систем, в прогнозе атмосферных и океанических явлений,погоды и т.д.

Однако для таких серьезных сфер моделирования нередко нужнысуперкомпьютеры и годы работы крупных коллективов ученых по подготовкеданных для моделирования и его отладки. Тем не менее, и в этом случаематематическое моделирование сложных систем и устройств не толькоэкономит средства на проведение исследований и испытаний, но и можетустранить экологические катастрофы – например, позволяет отказаться отиспытаний ядерного и термоядерного оружия в пользу его математическогомоделирования или испытаний аэрокосмических систем перед их реальнымиполетами.Между тем математическое моделирование на уровне решения болеепростых задач, например, из области механики, электротехники, электроники,радиотехники и многих других областей науки и техники в настоящее времястало доступным выполнять на современных ПК. А при использованииобобщенных моделей становится возможным моделирование и достаточносложных систем, например, телекоммуникационных систем и сетей,радиолокационных или радионавигационных комплексов.

Целью математического моделирования является анализ реальныхпроцессов (в природе или технике) математическими методами. В своюочередь, это требует формализации ММ процесса, подлежащего исследованию.Модель может представлять собой математическое выражение, содержащеепеременные, поведение которых аналогично поведению реальной системы.Модель может включать элементы случайности, учитывающие вероятностивозможных действий двух или большего числа «игроков», как, например, втеории игр; либо она может представлять реальные переменные параметрывзаимосвязанных частей действующей системы.

Математическое моделирование для исследования характеристик системможно разделить на аналитическое, имитационное и комбинированное. В своюочередь, ММ делятся на имитационные и аналитические.

Аналитическое моделирование

Для аналитического моделирования характерно, что процессыфункционирования системы записываются в виде некоторых функциональныхсоотношений (алгебраических, дифференциальных, интегральных уравнений). Аналитическая модель может быть исследована следующими методами:

1) аналитическим, когда стремятся получить в общем виде явныезависимости для характеристик систем;

2) численным, когда не удается найти решение уравнений в общем виде иих решают для конкретных начальных данных;

3) качественным, когда при отсутствии решения находят некоторые егосвойства.

Аналитические модели удается получить только для сравнительно простыхсистем. Для сложных систем часто возникают большие математическиепроблемы. Для применения аналитического метода идут на существенноеупрощение первоначальной модели. Однако исследование на упрощенноймодели помогает получить лишь ориентировочные результаты. Аналитическиемодели математически верно отражают связь между входными и выходнымипеременными и параметрами. Но их структура не отражает внутреннююструктуру объекта.

При аналитическом моделировании его результаты представляются в видеаналитических выражений. Например, подключив RC -цепь к источникупостоянного напряжения E (R , C и E - компоненты данной модели), мыможем составить аналитическое выражение для временной зависимостинапряжения u (t ) на конденсаторе C :

Это линейное дифференциальное уравнение (ДУ) и являетсяаналитической моделью данной простой линейной цепи. Его аналитическоерешение, при начальном условии u (0) = 0 , означающем разряженныйконденсатор C в момент начала моделирования, позволяет найти искомуюзависимость – в виде формулы:

u (t ) = E (1− eх p (- t / RC )). (2)

Однако даже в этом простейшем примере требуются определенные усилиядля решения ДУ (1) или для применения систем компьютерной математики (СКМ) с символьными вычислениями – систем компьютернойалгебры. Для данного вполне тривиального случая решение задачимоделирования линейной RC -цепи дает аналитическое выражение (2)достаточно общего вида – оно пригодно для описания работы цепи при любыхноминалах компонентов R , C и E , и описывает экспоненциальный зарядконденсатора C через резистор R от источника постоянного напряжения E .

Безусловно, нахождение аналитических решений при аналитическоммоделировании оказывается исключительно ценным для выявления общихтеоретических закономерностей простых линейных цепей, систем и устройств.Однако его сложность резко возрастает по мере усложнения воздействий намодель и увеличения порядка и числа уравнений состояния, описывающихмоделируемый объект. Можно получить более или менее обозримыерезультаты при моделировании объектов второго или третьего порядка, но ужепри большем порядке аналитические выражения становятся чрезмерногромоздкими, сложными и трудно осмысляемыми. Например, даже простойэлектронный усилитель зачастую содержит десятки компонентов. Тем неменее, многие современные СКМ, например, системы символьной математикиMaple, Mathematica или среда MATLAB , способны в значительноймере автоматизировать решение сложных задач аналитическогомоделирования.

Одной из разновидностей моделирования является численное моделирование, которое заключается в получении необходимыхколичественных данных о поведении систем или устройств каким-либоподходящим численным методом, таким как методы Эйлера илиРунге-Кутта. На практике моделирование нелинейных систем и устройствс использованием численных методов оказывается намного болееэффективным, чем аналитическое моделирование отдельных частных линейныхцепей, систем или устройств. Например, для решения ДУ (1) или систем ДУв более сложных случаях решение в аналитическом виде не получается, но поданным численного моделирования можно получить достаточно полныеданные о поведении моделируемых систем и устройств, а также построитьграфики описывающих это поведение зависимостей.

Имитационное моделирование

Приимитационном 10имоделировании реализующий модель алгоритмвоспроизводит процесс функционирования системы во времени. Имитируютсяэлементарные явления, составляющие процесс, с сохранением их логическойструктуры и последовательности протекания во времени.

Основным преимуществом имитационных моделей по сравнениюсаналитическими является возможность решения более сложных задач.

Имитационные модели позволяют легко учитывать наличие дискретных илинепрерывных элементов, нелинейные характеристики, случайные воздействияи др. Поэтому этот метод широко применяется на этапе проектированиясложных систем. Основным средством реализации имитационногомоделирования служит ЭВМ, позволяющая осуществлять цифровоемоделирование систем и сигналов.

В связи с этим определим словосочетание «компьютерноемоделирование », которое все чаще используется в литературе. Будем полагать,что компьютерное моделирование - это математическое моделированиес использованием средств вычислительной техники. Соответственно,технология компьютерного моделирования предполагает выполнениеследующих действий:

1) определение цели моделирования;

2) разработка концептуальной модели;

3) формализация модели;

4) программная реализация модели;

5) планирование модельных экспериментов;

6) реализация плана эксперимента;

7) анализ и интерпретация результатов моделирования.

При имитационном моделировании используемая ММ воспроизводиталгоритм («логику») функционирования исследуемой системы во времени приразличных сочетаниях значений параметров системы и внешней среды.

Примером простейшей аналитической модели может служить уравнениепрямолинейного равномерного движения. При исследовании такого процессас помощью имитационной модели должно быть реализовано наблюдениеза изменением пройденного пути с течением времени.Очевидно, в одних случаях более предпочтительным являетсяаналитическое моделирование, в других - имитационное (или сочетание того идругого). Чтобы выбор был удачным, необходимо ответить на два вопроса.

С какой целью проводится моделирование?

К какому классу может быть отнесено моделируемое явление?

Ответы на оба эти вопроса могут быть получены в ходе выполнения двухпервых этапов моделирования.

Имитационные модели не только по свойствам, но и по структуресоответствуют моделируемому объекту. При этом имеется однозначное и явноесоответствие между процессами, получаемыми на модели, и процессами,протекающими на объекте. Недостатком имитационного моделированияявляется большое время решения задачи для получения хорошей точности.

Результаты имитационного моделирования работы стохастическойсистемы являются реализациями случайных величин или процессов. Поэтомудля нахождения характеристик системы требуется многократное повторение ипоследующая обработка данных. Чаще всего в этом случае применяетсяразновидность имитационного моделирования - статистическое

моделирование (или метод Монте-Карло), т.е. воспроизведение в моделяхслучайных факторов, событий, величин, процессов, полей.

По результатам статистического моделирования определяют оценкивероятностных критериев качества, общих и частных, характеризующихфункционирование и эффективность управляемой системы. Статистическоемоделирование широко применяется для решения научных и прикладных задачв различных областях науки и техники. Методы статистическогомоделирования широко применяются при исследовании сложныхдинамических систем, оценке их функционирования и эффективности.

Заключительный этап статистического моделирования основан наматематической обработке полученных результатов. Здесь используют методыматематической статистики (параметрическое и непараметрическое оценивание,проверку гипотез). Примером параметрической оценки являетсявыборочное среднее показателя эффективности. Среди непараметрическихметодов большое распространение получил метод гистограмм .

Рассмотренная схема основана на многократных статистическихиспытаниях системы и методах статистики независимых случайных величин.Эта схема является далеко не всегда естественной на практике и оптимальнойпо затратам. Сокращение времени испытания систем может быть достигнуто засчет использования более точных методов оценивания. Как известно изматематической статистики, наибольшую точность при заданном объемевыборки имеют эффективные оценки. Оптимальная фильтрация и методмаксимального правдоподобия дают общий метод получения таких оценок.В задачах статистического моделирования обработка реализацийслучайных процессов необходима не только для анализа выходных процессов.

Весьма важен также и контроль характеристик входных случайныхвоздействий. Контроль заключается в проверке соответствия распределенийгенерируемых процессов заданным распределениям. Эта задача частоформулируется как задача проверки гипотез .

Общей тенденцией моделирования с использованием ЭВМ у сложныхуправляемых систем является стремление к уменьшению временимоделирования, а также проведение исследований в реальном масштабевремени. Вычислительные алгоритмы удобно представлять в рекуррентнойформе, допускающей их реализацию в темпе поступления текущей информации.

ПРИНЦИПЫ СИСТЕМНОГО ПОДХОДА В МОДЕЛИРОВАНИИ

Основные положения теории систем

Основные положения теории систем возникли в ходе исследованиядинамических систем и их функциональных элементов. Под системой понимают группу взаимосвязанных элементов, действующих совместнос целью выполнения заранее поставленной задачи. Анализ систем позволяетопределить наиболее реальные способы выполнения поставленной задачи,обеспечивающие максимальное удовлетворение поставленных требований.

Элементы, составляющие основу теории систем, не создаются с помощьюгипотез, а обнаруживаются экспериментальным путем. Для того чтобы начатьпостроение системы, необходимо иметь общие характеристикитехнологических процессов. Это же справедливо и в отношении принциповсоздания математически сформулированных критериев, которым долженудовлетворять процесс или его теоретическое описание. Моделированиеявляется одним из наиболее важных методов научного исследования иэкспериментирования.

При построении моделей объектов используется системный подход,представляющий собой методологию решения сложных задач, в основекоторой лежит рассмотрение объекта как системы, функционирующейв некоторой среде. Системный подход предполагает раскрытие целостностиобъекта, выявление и изучение его внутренней структуры, а также связейс внешней средой. При этом объект представляется как часть реального мира,которая выделяется и исследуется в связи с решаемой задачей построениямодели. Кроме этого, системный подход предполагает последовательныйпереход от общего к частному, когда в основе рассмотрения лежит цельпроектирования, а объект рассматривается во взаимосвязи с окружающейсредой.

Сложный объект может быть разделен на подсистемы, представляющие собой части объекта, удовлетворяющие следующим требованиям:

1) подсистема является функционально независимой частью объекта. Онасвязана с другими подсистемами, обменивается с ними информацией иэнергией;

2) для каждой подсистемы могут быть определены функции или свойства,не совпадающие со свойствами всей системы;

3) каждая из подсистем может быть подвергнута дальнейшему делению доуровня элементов.

В данном случае под элементом понимается подсистема нижнего уровня,дальнейшее деление которой нецелесообразно с позиций решаемой задачи.

Таким образом, систему можно определить как представление объектав виде набора подсистем, элементов и связей с целью его создания,исследования или усовершенствования. При этом укрупненное представлениесистемы, включающее в себя основные подсистемы и связи между ними,называется макроструктурой, а детальное раскрытие внутреннего строениясистемы до уровня элементов – микроструктурой.

Наряду с системой обычно существует надсистема – система болеевысокого уровня, в состав которой входит рассматриваемый объект, причёмфункция любой системы может быть определена только через надсистему.

Следует выделить понятие среды как совокупности объектов внешнего мира,существенно влияющих на эффективность функционирования системы, но невходящих в состав системы и ее надсистемы.

В связи с системным подходом к построению моделей используетсяпонятие инфраструктуры, описывающей взаимосвязи системы с ееокружением (средой).При этом выделение, описание и исследование свойств объекта,существенных в рамках конкретной задачи называется стратификациейобъекта, а всякая модель объекта является его стратифицированнымописанием.

Для системного подхода важным является определение структуры системы, т.е. совокупности связей между элементами системы, отражающих ихвзаимодействие. Для этого вначале рассмотрим структурный ифункциональный подходы к моделированию.

При структурном подходе выявляются состав выделенных элементов системы и связи между ними. Совокупность элементов и связей позволяет судить о структуре системы. Наиболее общим описанием структуры является топологическое описание. Оно позволяет определить составные части системыи их связи с помощью графов. Менее общим является функциональное описание, когда рассматриваютсяо тдельные функции, т. е. алгоритмы поведения системы. При этом реализуетсяфункциональный подход, определяющий функции, которые выполняетсистема.

На базе системного подхода может быть предложена последовательностьразработки моделей, когда выделяют две основные стадии проектирования:макропроектирование и микропроектирование.

На стадии макропроектирования строится модель внешней среды,выявляются ресурсы и ограничения, выбирается модель системы и критериидля оценки адекватности.

Стадия микропроектирования в значительной степени зависит отконкретного типа выбранной модели. В общем случае предполагает созданиеинформационного, математического, технического и программногообеспечения системы моделирования. На этой стадии устанавливаютсяосновные технические характеристики созданной модели, оцениваются времяработы с ней и затраты ресурсов для получения заданного качества модели.

Независимо от типа модели при ее построении необходиморуководствоваться рядом принципов системного подхода:

1) последовательное продвижение по этапам создания модели;

2) согласование информационных, ресурсных, надежностных и другиххарактеристик;

3) правильное соотношение различных уровней построения модели;

4) целостность отдельных стадий проектирования модели.

Для обсуждения и обоснования основных подходов к разработке проблем математического моделирования технических систем и процессов в них представляется целесообразным предварительно рассмотреть условную схему (рис. 1.1), определяющую последовательность проведения отдельных этапов общей процедуры вычислительного эксперимента . Исходной позицией этой схемы служит технический объект (ТО), под которым будем понимать конкретное техническое устройство, его агрегат или узел, систему устройств, процесс, явление или отдельную ситуацию в какой-либо системе или устройстве.

Рис. 1.1 Получение математической модели

На первом этапе осуществляют неформальный переход от рассматриваемого (разрабатываемого или существующего) ТО к его расчетной схеме (PC). При этом в зависимости от направленности вычислительного эксперимента и его конечной цели акцентируют те свойства, условия работы и особенности ТО, которые вместе с характеризующими их параметрами должны найти отражение в PC, и, наоборот, аргументируют допущения и упрощения, позволяющие не учитывать в PC те качества ТО, влияние которых предполагают в рассматриваемом случае несущественным. Иногда вместо PC используют термин «содержательная модель » ТО, а в некоторых случаях – «концептуальная модель ».

При разработке новых ТО успешное проведение первого этапа в значительной мере зависит от профессионального уровня инженера, его творческого потенциала и интуиции. Полнота и правильность учета в PC свойств ТО, существенных с точки зрения поставленной цели исследования, являются основной предпосылкой получения в дальнейшем достоверных результатов математического моделирования. И наоборот, сильная идеализация ТО ради получения простой PC может обесценить все последующие этапы исследования.

Надо сказать, что для некоторых типовых PC существуют банки ММ, что упрощает проведение второго этапа. Более того, одна и та же ММ может соответствовать PC из различных предметных областей. Однако при разработке новых ТО часто не удается ограничиться применением типовых PC и отвечающих им уже построенных ММ. Создание новых ММ или модификация существующих должны опираться на достаточно глубокую математическую подготовку и владение математикой как универсальным языком науки.

На третьем этапе проводят качественный и оценочный количественный анализ построенной ММ. При этом могут быть выявлены противоречия, ликвидация которых потребует уточнения или пересмотра PC (см. рис. 1.1, штриховая линия). Количественные оценки могут дать основания упростить модель, исключив из рассмотрения некоторые параметры, соотношения или их отдельные составляющие, несмотря на то, что влияние описываемых ими факторов учтено в PC. В большинстве случаев, принимая дополнительные по отношению к PC допущения, полезно построить такой упрощенный вариант ММ, который позволял бы получить или привлечь известное точное решение.

Итог анализа на рассматриваемом этапе – это обоснованный выбор рабочей ММ ТО, которая подлежит в дальнейшем детальному количественному анализу. Успех в проведении третьего этапа зависит, как правило, от глубины понимания связи отдельных составляющих ММ со свойствами ТО, нашедшими отражение в его PC, что

предполагает органическое сочетание владения математикой и инженерными знаниями в конкретной предметной области.

Четвертый этап состоит в обоснованном выборе метода количественного анализа ММ, в разработке эффективного алгоритма вычислительного эксперимента, а пятый этап – в создании работоспособной программы, реализующей этот алгоритм средствами вычислительной техники. Для успешного проведения четвертого этапа необходимо владеть современными методами вычислительной математики, а при математическом моделировании довольно сложных ТО выполнение пятого этапа требует профессиональной подготовки в области программирования на ЭВМ.

Получаемые на шестом этапе (в итоге работы программы) результаты вычислений должны, прежде всего, пройти тестирование путем сопоставления с данными количественного анализа упрощенного варианта ММ рассматриваемого ТО. Тестирование может выявить недочеты как в программе, так и в алгоритме и потребовать доработки программы или же модификации и алгоритма, и программы. Анализ результатов вычислений и их инженерная интерпретация могут вызвать необходимость в корректировке PC и соответствующей ММ. После устранения всех выявленных недочетов триаду «модель – алгоритм – программа» можно использовать в качестве рабочего инструмента для проведения вычислительного эксперимента и выработки на основе получаемой количественной информации практических рекомендаций, направленных на совершенствование ТО, что составляет содержание седьмого, завершающего «технологический цикл» этапа математического моделирования.

Представленная последовательность этапов носит общий и универсальный характер, хотя в некоторых конкретных случаях она может и несколько видоизменяться. Если при разработке ТО можно использовать типовые PC и ММ, то отпадает необходимость в выполнении некоторых этапов, а при наличии соответствующего программного комплекса процесс вычислительного эксперимента становится в значительной степени автоматизированным. Однако математическое моделирование ТО, не имеющих близких прототипов, как правило, связано с проведением всех этапов описанного «технологического цикла».

Таким образом, этапы математического моделирования можно записать в виде последовательности действий:

1) выбор расчетной схемы и определение необходимой детализации;

2) математическое описание (составление системы уравнений);

3) выбор метода решения;

4) приведение модели (включающей уравнения, метод, исходные данные и начальные условия) к виду, удобному для решения на ЭВМ;

5) составление программы для ЭВМ;

6) проведение расчетов (моделирование);

7) при необходимости повторить шаги 3 – 6;

8) анализ результатов;

9) при необходимости повторить шаги 1 – 8;

10) оформление отчета (описания, схем, рисунков, графиков, формул);

11) при необходимости повторить шаги 1 – 10, 3 – 10, 8 – 10.

7. Математическое моделирование.

Теория математического моделирования обеспечивает выявление закономерностей протекания различных явлений окружающего мира или работы систем и устройств путем их математического описания и моделирования без проведения натурных испытаний. При этом используются положения и законы математики, описывающие моделируемые явления, системы или устройства на некотором уровне их идеализации.

Целью математического моделирования является анализ реальных процессов (в природе или технике) математическими методами. В свою очередь, это требует формализации ММ процесса, подлежащего исследованию. Модель может представлять собой математическое выражение, содержащее переменные, поведение которых аналогично поведению реальной системы. Модель может включать элементы случайности, учитывающие вероятности возможных действий двух или большего числа «игроков», как, например, в теории игр; либо она может представлять реальные переменные параметры взаимосвязанных частей действующей системы.

Математическое моделирование для исследования характеристик систем можно разделить на аналитическое, имитационное и комбинированное. В свою очередь, ММ делятся на имитационные и аналитические.

Основные этапы математического моделирования

1) Построение модели. Выбор типа математической модели. На этом этапе задается некоторый «нематематический» объект - явление природы, конструкция, экономический план, производственный процесс и т. д. При этом, как правило, четкое описание ситуации затруднено. Сначала выявляются основные особенности явления и связи между ними на качественном уровне. Затем найденные качественные зависимости формулируются на языке математики, то есть строится математическая модель. Это самая трудная стадия моделирования.

2) Решение математической задачи, к которой приводит модель . На этом этапе большое внимание уделяется разработке алгоритмов и численных методов решения задачи на ЭВМ, при помощи которых результат может быть найден с необходимой точностью и за допустимое время.

3) Интерпретация полученных следствий из математической модели. Следствия, выведенные из модели на языке математики, интерпретируются на языке, принятом в данной области.

4) Проверка адекватности модели. На этом этапе выясняется, согласуются ли результаты эксперимента с теоретическими следствиями из модели в пределах определенной точности.

5) Модификация модели. На этом этапе происходит либо усложнение модели, чтобы она была более адекватной действительности, либо ее упрощение ради достижения практически приемлемого решения.

Вопрос 8. Метрологическое обеспечение экспериментальных исследований

Под метрологическим обеспечением (МО) понимается установление и применение научных и организационных основ, технических средств, правил и норм, необходимых для достижения единства и требуемой точности измерений. Важнейшие значения в метрологии отводятся эталонам и образцовым средствам измерений (СИ), которые являются неотъемлимой частью экспериментальных исследований . К СИ относят меры, измерительные приборы, установки и системы. СИ должны соответствовать цели и задачам НИР, обеспечивать требуемое качество экспериментальных работ; иметь высокую экономическую эффективность; обеспечивать эргономические требования и требования техники безопасности.

Метрологическое обеспечение и особенно обеспечение единства измерений, однообразия средств измерения является важнейшим фактором успешного проведения научных исследований .

При разработке МО необходимо использовать системный подход, суть которого состоит в рассмотрении указанного обеспечения как совокупности взаимосвязанных процессов, объединенных одной целью – достижением требуемого качества измерений .

Таким образом, требования к метрологическому обеспечению научных исследований и экспериментов должны предусматривать:

установление метрологических требований, правил и норм в методиках проведения экспериментальных исследований;

обеспечение экспериментальных исследований необходимыми методами и средствами измерений, контроля, испытаний, средствами и методами поверки (калибровки) СИ .

Общая характеристика математических методов в научных исследованиях

Решение практических задач математическими методами осуществляется путем реализации этапов следующего алгоритма: разработка математической модели; выбор метода проведения исследования математической модели; анализ полученного математического результата.

Математическая модель − система формул, функций, уравнений, средствами которых описывается то или иное явление, процесс, объект в целом. При разработке модели нужно учитывать все реально существующие связи факторов и параметров, хотя при этом нельзя забывать о возможности последующего решения математической модели. Следует прибегать к каким-либо упрощениям, допущениям, аппроксимациям.

Установление общих характеристик объекта позволяют выбрать математический аппарат, на базе которого и строится математическая модель. Для описания объектов с большим количеством параметров возможно разделение объекта на подсистемы.

Не стоит забывать, что особенное место на этапе выбора вида математической модели занимает описание входных сигналов в выходные характеристики объекта.

Если характер изменения исследуемого показателя не известен, то ставится поисковый эксперимент и предпочтение отдается той математической формуле, которая дает наилучшее совпадение с данными поискового эксперимента. Результаты поискового эксперимента и априорный информационный массив позволяют установить схему взаимодействия объекта с внешней средой по соотношению входных и выходных величин.

Процесс выбора математической модели объекта заканчивается ее предварительным контролем. При этом осуществляются следующие виды контроля: размерностей; порядков; характера зависимостей; экстремальных ситуаций; граничных условий; математической замкнутости; физического смысла; устойчивости модели.

10. Оптимизация в исследовании (О) - (от лат. optimus-наилучший) - понимают целенаправленную деятельность, заключающуюся в получении наилучших результатов при соответствующих условиях. Постановка задачи О. предполагает наличие ее объекта, набора независимых параметров (переменных), описывающих данную задачу, а также условий (часто наз. ограничениями), характеризующие приемлемые значения независимых переменных, которые и образуют модель рассматриваемой системы.Еще одной обязательным условием описания оптимизационной задачи служит мера "качества", носящая название критерия оптимизации и зависящая от переменных О. Решение оптимизационной задачи - поиск определенного набора значений переменных, которому отвечает оптимизационное значение критерия О.

Описанные и построенные модели реального объекта – важнейший этап оптимизационного исследования, так как он определяет практическую ценность получаемого решения и возможность его реализации.

Процесс оптимизации с использованием модели можно рассматривать как метод отыскания оптимального решения для реального объекта без непосредственного экспериментирования с самим объектом. «Прямой» путь, ведущий к оптимальному решению, заменяется «обходным», включающим построение и оптимизацию модели, а также преобразование полученных результатов в практически реализуемую форму. При формировании такой модели следует учитывать характеристики объекта, которые должны быть отражены в модели, а менее существенные особенности в модель можно не включать. Необходимо сформулировать логически обоснованные допущения, выбрать форму представления модели, уровень ее детализации и метод реализации на ЭВМ. Все это относятся к этапу построения модели. Модели можно упорядочить по степени адекватности описания поведения реального объекта. Таким образом, качество модели нельзя оценивать ни по структуре, ни по форме. Единственным критерием такой оценки может служить лишь достоверность полученных на модели примеров поведения реального объекта.

Главная особенность моделирования в том, что оно дает возможность опосредованного познания с помощью объектов-заме- стителей. Модель выступает как своеобразный инструмент для познания, который исследователь ставит между собой и объектом, с помощью которого изучает интересующий его объект. Необходимость использования метода моделирования определяется тем, что многие объекты (или проблемы, относящиеся к этим объектам) непосредственно исследовать или вовсе невозможно (когда объект недосягаем, как, например, ядро Земли и глубины Вселенной, либо еще реально не существует: будущее состояние экономики, будущие потребности общества и т.п.), или это исследование требует много времени и средств.

Процесс моделирования состоит из трех структурных элементов: субъект (исследователь); объект исследования; модель, опосредствующая отношения познающего субъекта и познаваемого объекта (рис. 2.8).

Рис. 2.8.

Пусть имеется некоторый объект Л, который необходимо исследовать. Мы конструируем или находим подходящую модель В для объекта А. Этап построения модели предполагает наличие некоторых знаний об объекте-оригинале. Познавательные возможности модели обусловливаются тем, что модель отображает (воспроизводит, имитирует) какие-либо существенные черты объекта-оригинала. Таким образом, изучение одних сторон моделируемого объекта осуществляется ценой отказа от исследования других сторон. Для одного объекта может быть построено несколько «специализированных» моделей, концентрирующих внимание на определенных сторонах исследуемого объекта или же характеризующих объект с разной степенью детализации.

На втором этапе процесса моделирования модель выступает как самостоятельный объект исследования. Одной из форм такого исследования является проведение «модельных» экспериментов, при которых сознательно изменяются условия функционирования модели и систематизируются данные об ее «поведении». Конечным результатом этого этапа является множество (совокупность) знаний о модели.

На третьем этапе осуществляется перенос знаний с модели на оригинал - формирование множества знаний об объекте. Одновременно мы переходим с «языка» модели на «язык» оригинала. Этот процесс проводится по определенным правилам. Знания о модели должны быть скорректированы с учетом тех свойств объекта - оригинала, которые нашли отражения или были изменены при построении модели.

Четвертый этап - практическая проверка получаемых с помощью моделей знаний и их использование для построения обобщающей теории объекта, его преобразования или управления им. В итоге мы снова возвращаемся к проблематике реального объекта.

Для понимания сущности моделирования важно не упускать из виду, что моделирование - не единственный источник знаний об объекте. Процесс моделирования «погружен» в общий процесс познания. Это обстоятельство учитывается не только на этапе построения модели, но и на завершающей стадии, когда происходит объединение и обобщение результатов исследования, получаемых на основе многообразных средств познания.

Основные этапы процесса моделирования уже рассматривались выше. В различных отраслях знаний, в том числе и в экономике, они приобретают свои специфические черты. Проанализируем последовательность и содержание этапов одного цикла экономикоматематического моделирования (рис. 2.9).

Первый этап - сбор сведений об объекте исследования. Необходимо аккумулировать имеющиеся знания об экономическом объекте (процессе). Установить основные свойства, признаки и зависимости по различным источникам информации, в том числе по натурным. Выявить внутренние и внешние связи, необходимые для функционирования ресурсы, используемые технические и технологические схемы. Чем полнее будет собранная информация, тем проще будет определяться с имеющимися проблемами или возможными путями развития.

Рис. 2.9.

Второй этап - определение цели моделирования и постановка задачи. Для правильной постановки задачи важен качественный анализ собранной на первом этапе информации об экономическом объекте (процессе). Это поможет наиболее точно определиться с неизвестными характеристиками объекта, которые необходимо найти, а самое главное - с критерием, позволяющим установить, достигнута или нет конечная цель моделирования.

Поставить задачу и определиться с целью недостаточно, необходимо установить важные для достижения цели влияющие факторы, возможные предпосылки и допущения. Все факторы разделяются на существенные и несущественные, характеризующиеся количественными и качественными показателями. Установка количественных характеристик очень важна с точки зрения дальнейшего применения математического аппарата. Для качественных характеристик необходимо будет подобрать методику их числовых преобразований и алгоритм их включения в модель.

Третий этап - построение экономико-математической модели. Выполняется формализация экономической проблемы, выражения ее в виде конкретных математических зависимостей и отношений (функций, уравнений, неравенств и т.д.). Обычно сначала уточняется конкретный перечень переменных и параметров, форма связей. Затем строится непосредственно сама модель. Таким образом, построение модели подразделяется, в свою очередь, на несколько стадий.

На этом этапе важно не только правильно подобрать метод решения проблемы, но и разделить влияющие факторы на существенные и несущественные. То же можно сказать о таких характеристиках сложности модели, как используемые формы математических зависимостей (линейные и нелинейные), учет факторов случайности и неопределенности и т.д. Излишняя сложность и громоздкость модели затрудняют процесс исследования. Нужно не только учитывать реальные возможности информационного и математического обеспечения, но и сопоставлять затраты на моделирование с получаемым эффектом (при возрастании сложности модели прирост затрат может превысить прирост эффекта).

Одна из важных особенностей математических моделей - потенциальная возможность их использования для решения разнокачественных проблем. Поэтому, даже сталкиваясь с новой задачей, не нужно стремиться «изобретать» модель; вначале необходимо попытаться применить для решения этой задачи уже известные модели.

В процессе построения модели осуществляется взаимосопо- ставление трех систем научных знаний - экономических, естественных и математических. Необходимо стремиться к тому, чтобы получить модель, принадлежащую хорошо изученному классу математических задач. Часто это удается сделать путем некоторого упрощения исходных предпосылок модели, не искажающих существенных черт моделируемого объекта. Однако возможна и такая ситуация, когда формализация экономической проблемы приводит к неизвестной ранее математической структуре 1 . Потребности эко-

Советов Б.Я., Яковлев С.Л. Моделирование систем: учебник для вузов. 3-е изд., перераб. и доп. М.: Высшая школа, 2001.

номической науки и практики в середине XX в. способствовали развитию математического программирования, теории игр, функционального анализа, вычислительной математики. Вполне вероятно, что в будущем развитие экономической науки станет важным стимулом для создания новых разделов математики

Четвертый этап - анализ модели. Целью этого этапа является выяснение общих свойств модели. Здесь применяются чисто математические приемы исследования. Наиболее важный момент - доказательство существования решений в сформулированной модели (теорема существования). Если удастся доказать, что математическая задача не имеет решения, то необходимость в последующей работе по первоначальному варианту модели отпадает; следует скорректировать либо постановку экономической задачи, либо способы ее математической формализации. При аналитическом исследовании модели выясняются такие вопросы, как: единственно ли решение, какие переменные (неизвестные) могут входить в решение, каковы будут соотношения между ними, в каких пределах и в зависимости от каких исходных условий они изменяются, каковы тенденции их изменения и т.д.

Аналитическое исследование модели по сравнению с эмпирическим (численным) имеет то преимущество, что получаемые выводы сохраняют свою силу при различных конкретных значениях внешних и внутренних параметров модели.

Знание общих свойств модели имеет столь важное значение, что часто ради доказательства подобных свойств исследователи сознательно идут на идеализацию первоначальной модели. И все же модели сложных производственных объектов с большим трудом поддаются аналитическому исследованию. В тех случаях, когда аналитическими методами не удается выяснить общих свойств модели, а упрощения модели приводят к недопустимым результатам, переходят к численным методам исследования.

Пятый этап - сбор исходной информации. Данный этап не менее важен, чем остальные. От точности и полноты собранной исходной информации, необходимой для модели, зависит успешность ее дальнейшей реализации. Необходимо определить источники и методы сбора информации. Основные требования, которые предъявляются к информации, - определенность, достоверность, точность, соответствие размерности, достаточность. Для моделирования процессов в сельскохозяйственном производстве источниками информации служат годовые отчеты, технологические карты, данные первичного учета, нормативные справочники, региональные сводки, заключенные договоры и т.д. Характер информации зависит от целей задачи. Если цель связана с перспективой развития, то применяется нормативная или эталонная информация. Если решаются задачи текущего, оперативного планирования, то нормативная, отчетная и первичная. В качестве исходной информации могут использоваться данные, также полученные на основе построенных ранее зависимостей, например, статистических.

Шестой этап - численное решение модели. Математическая модель наполняется собранными на предыдущем этапе числовыми характеристиками. Такую модель принято называть развернутой числовой моделью. Этот этап включает разработку алгоритмов для численного решения задачи, составления программ на ЭВМ и непосредственное проведение расчетов. Трудности этого этапа обусловлены прежде всего большой размерностью задач, необходимостью обработки значительных массивов информации.

Численные методы - раздел математики, изучающий методы, связанные с вычислениями и поиском численных решений математических задач, в том числе с помощью ЭВМ.

Обычно расчеты по экономико-математической модели носят многовариантный характер. Благодаря высокому быстродействию современных ЭВМ удается проводить многочисленные «модельные» эксперименты, изучая «поведение» модели при различных изменениях некоторых условий. Исследование, проводимое численными методами, может существенно дополнить результаты аналитического исследования, а для многих моделей оно является единственно осуществимым. Класс задач, которые можно решать численными методами, значительно шире, чем класс задач, доступных аналитическому исследованию.

Знаете ли вы?

Первое известное применение численных методов - вавилонская табличка с расчетом приближенного значения V2 (1800 г. до н.э.). Это иррациональное число, не представимое в виде дроби. Другой пример - число та, которое к тому же трансцендентное. На практике часто не нужны точные выражения. Нужны числа. Платон: «Числа правят миром».

Седьмой этап - интерпретация численных результатов. Проверяется адекватность модели по существенным свойствам объекта. Математические методы проверки могут выявлять некорректные построения модели и тем самым сужать класс потенциально правильных моделей. Неформальный анализ теоретических выводов и численных результатов, получаемых посредством модели, сопоставление их с имеющимися знаниями и фактами действительности также позволяют обнаруживать недостатки постановки экономической задачи, сконструированной математической модели, ее информационного и математического обеспечения.

Полученные результаты согласовываются не только с целью решения, но и с точки зрения их целесообразности и практического применения. Естественно, что в зависимости от конкретных условий и характера задачи этапы моделирования могут меняться: расширяться или сокращаться. В любом случае этот процесс будет носить циклический характер.

Таким образом, математические модели, основанные на экономическом анализе, обогащают его полученными количественными оценками явлений. В процессе работы над моделью удается, сохранив качественную сторону явления, несколько уточнить логическую структуру связей, описывающих исследуемый экономический процесс. Моделирование экономических явлений - теоретическая основа применения математики в экономике.