- •1. Загальні положення та визначення
- •1.1. Поняття системи
- •1.2. Поняття моделі
- •1.3. Співвідношення між моделлю та системою
- •1.4. Класифікація моделей
- •1.5. Вимоги до моделей
- •1.6. Основні види моделювання
- •1.7. Декомпозиція систем і простір станів
- •1.8. Формальні методи побудови моделей
- •1.8.1. Кібернетичний підхід
- •1.8.2. Системна динаміка
- •1.8.3. Теоретико-множинний підхід
- •1.9. Принципи побудови моделей
- •1.10. Технологія моделювання
- •Висновки
- •Контрольні запитання та завдання
- •Классификация систем в.Н.Сагатовского:
- •Примеры
- •Примеры
- •Свойства:
- •Требования к моделям
- •Основные виды моделей
- •Уровни моделей
- •Классификация моделей
- •Процесс моделирования
- •Алгоритмы компьютерного моделирования
- •Виды статистических и эконометрических моделей
- •Применение имитационного моделирования
- •Виды имитационного моделирования
- •Области применения
- •Интегрирование методом Монте-Карло
- •Обычный алгоритм Монте-Карло интегрирования
- •Применение в физике
- •Алгоритм Метрополиса
- •Прямое моделирование методом Монте-Карло
Алгоритмы компьютерного моделирования
Метод конечных элементов
Метод конечных разностей
Метод контрольных объёмов
Метод подвижных клеточных автоматов
Метод классической молекулярной динамики
Метод дискретного элемента
Метод компонентных цепей
Метод узловых потенциалов
Метод переменных состояния
Статистическое и эконометрическое моделирование — исследование объектов познания на их статистических моделях; построение и изучение моделей реально существующих предметов, процессов или явлений (например: экономических процессов в эконометрике) с целью получения объяснений этих явлений, а также для предсказания явлений или показателей, интересующих исследователя.
Оценка параметров таких моделей производится с помощью статистическиx методов. Например: метод максимального правдоподобия, метод наименьших квадратов, метод моментов.
Примером регрессионной эконометрической модели может послужить функция потребления Кейнса:
Y = b1 + b2×X + u,
где Y — расходы, X — доход, b1 и b2 — параметры уравнения, u — стохастическая ошибка.
Виды статистических и эконометрических моделей
Линейная регрессия (OLS)
Регрессии на бинальные переменные
Авторегрессионная модель
Система одновременных уравнений (SEM)
Модель линейной вероятности (LPM)
Логит модель (Logit)
Пробит модель (Probit) и др.
Физическое моделирование — метод экспериментального изучения различных физических явлений, основанный на их физическом подобии. Метод применяется при следующих условиях:
Исчерпывающе точного математического описания явления на данном уровне развития науки не существует, или такое описание слишком громоздко и требует для расчётов большого объёма исходных данных, получение которых затруднительно.
Воспроизведение исследуемого физического явления в целях эксперимента в реальных масштабах невозможно, нежелательно или слишком дорогостояще (например, цунами).
Метод состоит в создании лабораторной физической модели явления в уменьшенных масштабах, и проведении экспериментов на этой модели. Выводы и данные, полученные в этих экспериментах, распространяются затем на явление в реальных масштабах.
Метод может дать надёжные результаты, лишь в случае соблюдения физического подобия реального явления и модели. Подобие достигается за счёт равенства для модели и реального явления значений критериев подобия — безразмерных чисел, зависящих от физических (в том числе геометрических) параметров, характеризующих явление. Экспериментальные данные, полученные методом физического моделирования распространяются на реальное явление также с учётом критериев подобия.
В широком смысле, любой лабораторный физический эксперимент является моделированием, поскольку в эксперименте наблюдается конкретный случай явления в частных условиях, а требуется получить общие закономерности для всего класса подобных явлений в широком диапазоне условий. Искусство экспериментатора заключается в достижении физического подобия между явлением, наблюдаемым в лабораторных условиях и всем классом изучаемых явлений.
Некоторые примеры применения метода физического моделирования:
Исследование течений газов и обтекания летательных аппаратов, автомобилей, и т.п. в аэродинамических трубах.
Гидродинамические исследования на уменьшенных моделях кораблей, гидротехнических сооружений и т. п.
Исследование сейсмоустойчивости зданий и сооружений на макетах.
Изучение устойчивости сложных конструкций, под воздействием сложных силовых нагрузок.
Измерение тепловых потоков и рассеивания тепла в устройствах и системах, работающих в условиях больших тепловых нагрузок.
Изучение стихийных явлений и их последствий.
Имитационное моделирование (ситуационное моделирование) — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.
Имитационное моделирование — это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, с которой проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте).
Имитационное моделирование — это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.
Имитационная модель — логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.
