Заключение

Для правильного моделирования исследуемого процесса или системы важна, прежде всего, постановка задачи. Именно она определяет выбор надлежащего подхода. Предсказание (строго говоря, интерполяция) значений сигнала внутри экспериментальной области это первая постановка. Прогнозирование (экстраполяция) значений модели на область переменных, которая лежит далеко от области наблюдений – это вторая возможная постановка. Необходимо подчеркнуть существенную разницу этих двух задач. Хорошо известно, что ошибка предсказания (интерполяции) не зависит от вида модели – она, в основном, определяется ошибкой измерений. Напротив, ошибка прогноза (экстраполяции) зависит, прежде всего, от модели и уже во вторую очередь от ошибки измерения. Поэтому, «формальные» модели (в основном, линейные) пригодны для предсказания, и только «содержательные» модели (в основном, нелинейные) пригодны для прогнозирования.

Выбор модели остается главной проблемой для использования НЛРА. Вопрос о том, откуда взять модель, относится к категории вечных вопросов, на которые невозможно дать однозначного ответа. Всякая модель отражает только актуальную глубину нашего понимания сути изучаемого явления. Чем больше мы знаем, тем легче составить модель. При этом, нелинейная модель может быть простой, а линейная модель

сложной. Это связано с тем, что содержательная модель использует, как правило, минимальный набор неизвестных параметров, который обусловлен природой системы, тогда как формальная модель вынуждена привлекать большой набор параметров, базирующийся только на структурных особенностях системы.

Список литературы

Померанцев А. Л. Методы нелинейного регрессионного анализа для моделирования кинетики химических и физических процессов. [Электронный источник] (http://rcs.chph.ras.ru/papers/thesis_alp.pdf)

Pomerantsev A. Non-linear Regression Analysis with Fitter Software Application. [Электронный источник] (http://rcs.chph.ras.ru/WSC1/nlr.ppt)

Статья Метод Монте-Карло [Электронный источник] (http://ru.wikipedia.org/wiki/Метод_Монте-Карло)