
- •Конспект лекций
- •Владикавказ
- •Математическое моделирование элементов сложных экологических систем
- •Лекция 1. Введение в моделирование. Исторический экскурс.
- •1. Основы моделирования в экологии 1.1. Общие принципы построения моделей в экологии
- •Лекция 2.
- •2.1. Элементы моделирования
- •2.2. Этапы построения математической модели
- •1.4. Элементы теории подобия, применяемые в моделировании
- •Лекция 3
- •3.2. Экологические модели
- •3.2.1. Основы экологометрики
- •3.2.2. Выборочный метод в экологометрике.
- •Зависимость числа интервалов от объема выборки
- •Статистический ряд по интервалам
- •Лекция 4. Статистические оценки параметров распределения случайных величин по выборкам
- •4.4. Статистические оценки гипотез об экологических моделях
- •Определение вариантов выборок
- •Выборка из генеральной совокупности
- •Статистическая таблица
- •Лекция 5.
- •Результаты эксперимента
- •Статистическая таблица эксперимента
- •Пример преобразования членов уравнения регрессии
- •Вычисление данных для линеаризации уравнения регрессии
- •Нормальные уравнения мнк для некоторых функций
- •Статистическое оценивание уравнения регрессии и парной корреляции.
- •Обработка результатов наблюдений
- •Лекция 6.
- •Рекомендации по выбору вида функции
- •3.4. Динамические статистические модели
- •Посадка леса
- •Данные по объему сброса качественных сточных вод
- •Данные по объему сброса сточных вод за 5-летие
- •Пример расчета 5-летних средних
- •Условное обозначение времени
- •Расчетные значения для определения уравнения динамики
- •Ряд динамики для определения сезонных колебаний
- •Лекция 7. Многофакторные эколого-математические модели. Анализ влияния отдельных факторов в экологической модели.
- •Эксперименталъный материал исследования
- •Результаты проведенных опытов
- •8.1. Анализ влияния отдельных факторов в экологической модели.
- •Лекция 9. Методы оптимизации. Метод Лагранжа
- •Лекция 10. Метод линейного программирования.
- •Лекция 11. Функциональные модели.
- •Лекция 12. Модели процессов содержащие обыкновенные дифференциальные уравнения.
- •Численные ошибки использованных для вычисления данных
- •Лекция 13. Статистические модели динамики.
- •Лекция 14. Балансовые модели.
- •Лекция 15.
- •Лекция 16. Информационные технологии в экологии. Экологические информационные системы.
- •1 6.1. Экологические информационные системы
- •1. Какова область значения для числовых характеристик?
- •Лекция 17. Использование информационных технологий для решения задач экологии.
- •Специальные приложения.
- •Значение функции
- •Значение критерия
- •Значение критерия
- •Критические значения коэффициента корреляции rk;α
- •2. Основы теории подобия
- •2.1. Подобие физических явлений и его признаки
- •2.2. Анализ размерностей
- •2.3. Первая теорема подобия
- •2.4. Применение методов подобия в математическом
- •11.3. Численные методы решения дифференциальных уравнений
- •11.3.1. Постановка задачи
- •11.3.2. Процесс численного решения
- •11.3.3. Метод Эйлера
- •11.3.4. Модифицированный метод Эйлера
- •11.3.5. Метод Рунге – Кутта
- •11.3.6. Метод Рунге – Кутта для систем дифференциальных уравнений
- •11.3.7. Общая характеристика одношаговых методов
- •3.8. Многошаговые методы
- •11.3.9. Методы прогноза и коррекции
- •11.3.10. Краткая характеристика методов прогноза и коррекции.
- •11.3.11. Выбор шага и погрешность решения.
- •11.3.12. Жесткие задачи
- •11.4. Имитационное моделирование систем
- •11.4.1. Принципы имитационного моделирования
- •11.4.2. Объекты моделирования
- •11.4.3. Динамическая модель исследуемого объекта
- •11.4.4. Построение имитационных моделей динамических систем
- •11.4.5. Преобразование передаточных функций звеньев в дифференциальные уравнения в форме Коши
- •11.4.6. Синтез имитационной модели на основе структурной схемы
- •11.5. Теоретические основы построения математических моделей систем
- •11.5.1. Компонентные и топологические уравнения
- •11.5.2. Компонентные и топологические уравнения механической системы
- •11.5.3. Компонентные и топологические уравнения электрической системы
- •11.5.4. Компонентные и топологические уравнения гидравлической системы
- •11.5.5. Компонентные и топологические уравнения тепловой системы
- •11.6. Метод электроаналогий
- •11.6.1. Сущность метода электроаналогий.
- •11.6.2. Электромеханические аналогии
- •11.6.3. Построение имитационных моделей методом электроаналогий
- •11.6.4. Плоское прямолинейное движение звеньев
- •11.6.5. Электрогидравлические аналогии
- •11.6.6. Электротепловые аналогии
- •Литература
Лекция 1. Введение в моделирование. Исторический экскурс.
Введение
Моделирование стало применяться еще в глубокой древности и постепенно проникло во все области человеческих знаний. Большие успехи и признание моделированию принес ХХ век, когда универсальный метод научного познания стал одним из главных методов, используемых в научных и практических исследованиях. Большой интерес к изучению экологических процессов, вызванный в последнее десятилетие ухудшающимся состоянием окружаю- щей среды, побудил исследователей к применению математического моделирования. По мере усложнения экологических явлений моделирование все чаще производится с помощью современных вычислительных систем, реализуемых на базе компьютерных технологий, построенных с применением математики и логических умозаключений.
Математическая модель в отличие от реального физического эксперимента имеет ряд неоспоримых преимуществ, которые связаны с тремя основными особенностями:
• во-первых, это экономия материальных ресурсов, требуемых для постановки и проведения физического эксперимента;
• во-вторых, возможность апробации модели экологической системы в изменяющихся по воле экспериментатора условиях;
• в-третьих, оценка работоспособности системы с длительным жизненным циклом в существенно сжатые сроки.
Принципиально можно выделить несколько уровней моделирования в экологии в зависимости от исследуемого объекта — микро- уровень (исследования экологического процесса на уровне небольшого региона), макроуровень (на уровне значительного географического района) и мегауровень (на уровне всей планеты). Важной проблемой моделирования является задача обеспечения точности решения, получаемого с помощью модели. К сожалению, не всегда удается построить модель, которая бы удовлетворяла заданной точности и была бы при этом достаточно простой. Сегодня еще часто применяют метод проб и ошибок при подгонке тех или иных моделей под реальный процесс. Построение моделей в этих случаях требует дополнительных, достаточно сложных натурных физических экспериментов, и этот процесс в моделировании принято называть как решение прямой задачи. Современная теория моделирования дает специалистам возможность повысить эффективность модели в обратной задаче: когда строятся приближенные модели экологических процессов, а некоторые пара- метры, входящие в математические выражения, принимаются с большими допущениями, и их можно рассматривать как неизвестные для выбранных конкретных задач.
Для определения неизвестных может быть использована кос- венная информация: данные о решении уравнений, которые экспериментально получить значительно проще. Обратные задачи формулируются на начальной стадии моделирования совместными усилиями группы специалистов в разных направлениях экологической науки. В этом случае можно обеспечить получение информации об исследуемом объекте.
В отличие от задач прямого моделирования обратные задачи относятся к классу «некорректных» (в математическом смысле), в частности, неустойчивых относительно погрешности входных данных. Однако современное моделирование обладает средствами для их решения, что существенно расширяет возможности применения математического моделирования в экологии.
Трудности практического применения моделирования в экологии связаны с наполнением содержания моделей конкретной и качественной информацией. С одной стороны, точность и полнота первичной информации, реальные возможности ее сбора и обработки во многом определяют выбор типов прикладных экологических моделей, с другой — исследования по моделированию экологических объектов выдвигают новые требования к системе информации.
В зависимости от моделируемых объектов и назначения моде- лей используемая в них исходная информация имеет существенно различный характер и происхождение. Она может быть разделена на два вида:
• первый — о прошлом развитии и современном состоянии ис- следуемого экологического объекта;
• второй — о его будущем состоянии и развитии, включая данные об ожидаемых изменениях их внутренних параметров и внешних условий.
Этот вид информации — результат самостоятельных исследований, которые также могут выполняться посредством моделирования. В экологии многие процессы являются массовыми, они характеризуются закономерностями, которые не обнаруживаются на основании лишь одного или нескольких наблюдений. Поэтому моделирование в экологии опирается на изучение массовых явлений с широким применением статистических методов. В то же время экологические процессы характеризуются динамичностью, при этом изменяются как отдельные характеристики процессов, так и их внутренняя структура. Это вызывает необходимость использования информации, получаемой в результате мониторинга за состоянием окружающей среды и ее отдельными процессами. Такая информация должна обладать определенной точностью, что связано с проблемой выбора экологических показателей, которые можно было бы использовать в моделировании и получать результаты, пригодные для оценки тех или иных реальных объектов, выбранных в качестве объектов исследования.