Глава 1. Цели и задачи математического моделирования процессов и систем

1.1. Понятие «математическая модель»

Математическое моделирование позволяет до создания реальной системы (объекта) или возникновения реальной ситуации рассмотреть возможные режимы работы, выбрать оптимальные управляющие воздействия, составить объективный прогноз будущих состояний системы.

Вычислительные эксперименты, проводимые на основе математических моделей, помогают увидеть за частным общее, развить универсальные методы анализа объектов различной физической природы, познать свойства изучаемых процессов и систем.

Наконец, математическое моделирование является основой интенсивно разрабатываемых автоматизированных систем проектирования, управления и обработки данных.

Основная задача математического моделирования – выделение законов в природе, обществе и технике и запись их на языке математики.

Например:

1) Зависимость между массой тела m, действующей на него силой F и ускорением его движения а записывается в форме2-го закона Ньютона: F = m× a;

2) Зависимость между напряжением в электрической цепи U, ее сопротивлением R и силой тока I записывается в виде закона Ома: I = U/R.

Существует множество определений математической модели.

Приведем одно из них:

Математической моделью некоторого объекта, процесса или явления будем называть запись его свойств на формальном языке с целью получения нового знания (свойств) об изучаемом процессе путем применения формальных методов.

Альтернативой формальному (математическому) подходу является экспериментальный подход. К его недостаткам можно отнести:

1) высокая стоимость подготовки и проведения экспериментов;

2) получение частного знания (знания о конкретном объекте исследования, а не о классе объектов).

Например, пусть требуется определить воздействие х на некоторый процесс или объект, при котором его результирующая характеристика у имеет максимально возможное значение (Рис. 1.1).

 
  Глава 1. Цели и задачи математического моделирования процессов и систем - student2.ru

а б

Рис. 1.1.

На рис. 1.1. а) показан эмпирический (экспериментальный) подход к решению поставленной задачи, который состоит в экспериментальном определении значения параметра у для нескольких значений входного воздействия х. Среди них найдено наибольшее, и оно принимается за максимум. Как видим из этого рисунка, возможно несколько значений воздействия х (х4 и х5), при которых у имеет наибольшее значение, но ни одно из них не является настоящим максимумом, который, возможно, лежит между ними.

Математический подход (рис. 1.1. б) предполагает наличие математической модели процесса типа y = f(x). Взяв производную Глава 1. Цели и задачи математического моделирования процессов и систем - student2.ru и приравняв ее к нулю, получим уравнение, решением которого является точное значение xmax , доставляющее максимум функции у.

Схема применения математической модели при решении реальных задач имеет вид, показанный на рис. 1.2.

 
  Глава 1. Цели и задачи математического моделирования процессов и систем - student2.ru

Рис. 1.2

Модель сложного объекта (процесса, системы) не может быть простой. Из чего следует, что процесс использования математических моделей реальных систем является итерационным процессом, когда последовательно уточняется (дорабатывается) математическая модель и методы решения стоящих задач.

Важнейшей характеристикой моделей является их точность, адекватность действительности. При этом важно иметь в виду, что все модели представляют собой приближенное описание реальных объектов (процессов) и поэтому принципиально неточны. Интегральная оценка модели может быть получена путем сравнения результатов моделирования и экспериментальных данных для конкретных объектов или режимов.

Для оценки значимости совпадения или несовпадения модельных и экспериментальных результатов широко используются методы математической статистики. Вместе с тем не следует переоценивать результаты такой проверки. Хорошее совпадение модельных и экспериментальных данных, вообще говоря, не доказывает точности модели, а лишь подтверждают ее функциональную пригодность для моделирования. Всегда может быть предложена модель, обеспечивающая лучшее совпадение с экспериментом, но не лучшее описание моделируемого объекта или процесса.

Наши рекомендации