Понятие математической модели презентация. Презентация для урока "составление математических моделей". Основы математического моделирования

Слайд 3

Математическоемоделирование

это приближённое описание какого-нибудь класса явлений, выраженное на языке какой-нибудь математической теории (с помощью системы алгебраических уравнений и неравенств, дифференциальных или интегральных уравнений, функций, системы геометрических предложений, векторов и т.п.).

Слайд 4

Классификация моделей

Формальная классификация моделей Формальная классификация моделей основывается на классификации используемых математических средств. Часто строится в форме дихотомий. Например, один из популярных наборов дихотомий: Линейные или нелинейные модели[; Сосредоточенные или распределённые системы; Детерминированные или стохастические; Статические или динамические; Дискретные или непрерывные. и так далее. Каждая построенная модель является линейной или нелинейной, детерминированной или стохастической, … Естественно, что возможны и смешанные типы: в одном отношении сосредоточенные (по части параметров), в другом - распределённые модели и т. д.

Слайд 5

Классификация по способу представления объекта Структурныеили функциональные модели Структурные модели представляют объект как систему со своим устройством и механизмом функционирования. Функциональные модели не используют таких представлений и отражают только внешне воспринимаемое поведение (функционирование) объекта. В их предельном выражении они называются также моделями «чёрного ящика». Возможны также комбинированные типы моделей, которые иногда называют моделями «серого ящика».

Слайд 6

Содержательные и формальные модели Практически все авторы, описывающие процесс математического моделирования, указывают, что сначала строится особая идеальная конструкция, содержательная модель. А финальная математическая конструкция называется формальной моделью или просто математической моделью, полученной в результате формализации данной содержательной модели. Построение содержательной модели может производиться с помощью набора готовых идеализаций, то есть дают готовые структурные элементы для содержательного моделирования.

Слайд 7

Слайд 8

Тип 1: Гипотеза (такое могло бы быть)

Эти модели «представляют собой пробное описание явления, причем автор либо верит в его возможность, либо считает даже его истинным». Никакая гипотеза в науке не бывает доказана раз и навсегда. Очень чётко это сформулировал Ричард Фейнман: Если модель первого типа построена, то это означает, что она временно признаётся за истину и можно сконцентрироваться на других проблемах. Однако это не может быть точкой в исследованиях, но только временной паузой: статус модели первого типа может быть только временным.

Слайд 9

Тип 2: Феноменологическая модель (ведем себя так, как если бы…)

Феноменологические модели имеют статус временных решений. Считается, что ответ всё ещё неизвестен и необходимо продолжить поиск «истинных механизмов». Роль модели в исследовании может меняться со временем, может случиться так, что новые данные и теории подтвердят феноменологические модели и те будут повышены до статуса гипотезы. Аналогично, новое знание может постепенно прийти в противоречие с моделями-гипотезами первого типа и те могут быть переведены во второй.

Слайд 10

Тип 3: Приближение(что-то считаем очень большим или очень малым)

Если можно построить уравнения, описывающие исследуемую систему, то это не значит, что их можно решить даже с помощью компьютера. Общепринятый прием в этом случае - использование приближений (моделей типа 3). Среди них модели линейного отклика. Уравнения заменяются линейными.

Слайд 11

Тип 4: Упрощение(опустим для ясности некоторые детали)

В модели типа 4 отбрасываются детали, которые могут заметно и не всегда контролируемо повлиять на результат. Одни и те же уравнения могут служить моделью типа 3 (приближение) или 4 (опустим для ясности некоторые детали) - это зависит от явления, для изучения которого используется модель. Так, если модели линейного отклика применяются при отсутствии более сложных моделей, то это уже феноменологические линейные модели.

Слайд 12

Тип 5: Эвристическая модель (количественного подтверждения нет, но модель способствует более глубокому проникновению в суть дела)

Эвристическая модель сохраняет лишь качественное подобие реальности и даёт предсказания только «по порядку величины». Оно даёт простые формулы для коэффициентов вязкости, диффузии, теплопроводности, согласующиеся с реальностью по порядку величины.

Слайд 13

Тип 6: Аналогия (учтём только некоторые особенности)

Подобие, равенство отношений; сходство предметов, явлений, процессов, величин..., в каких-либо свойствах, а также познание с учетом только некоторых особенностей.

Слайд 14

Тип 7: Мысленный эксперимент(главное состоит в опровержении возможности)

вид познавательной деятельности, в которой ключевая для той или иной научной теории ситуация разыгрывается не в реальном эксперименте, а в воображении. В некоторых случаях мысленный эксперимент обнаруживает противоречия теории и «обыденного сознания», что далеко не всегда является свидетельством неверности теории

Слайд 15

Тип 8: Демонстрация возможности (главное - показать внутреннюю непротиворечивость возможности)

Это тоже мысленные эксперименты с воображаемыми сущностями, демонстрирующие, что предполагаемое явление согласуется с базовыми принципам и внутренне непротиворечиво. В этом основное отличие от моделей типа 7, которые вскрывают скрытые противоречия. В основе содержательной классификации - этапы, предшествующие математическому анализу и вычислениям. Восемь типов моделей по Р. Пайерлсу суть восемь типов исследовательских позиций при моделировании.

Слайд 16

Основные этапы математического моделирования

1. Построение 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.

Слайд 17

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.

Слайд 18

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.

Слайд 19

При этом должны соблюдаться следующие требования:

модель должна адекватно отражать наиболее существенные (с точки зрения определенной постановки задачи) свойства объекта, отвлекаясь от несущественных его свойств; модель должна иметь определенную область применимости, обусловленную принятыми при её построении допущениями; модель должна позволять получать новые знания об изучаемом объекте.

Слайд 20

СПАСИБО ЗА ВНИМАНИЕ

Посмотреть все слайды

Литература 1. Самарский А. А., Михайлов А. П. Математическое моделирование: Идеи. Методы. Примеры.– М.: Наука, Волков Е. А. Численные методы. – М.: Наука, Турчак Л. И. Основы численных методов. – М.: Наука, Копченова Н. В., Марон И. А. Вычислительная математика в примерах и задачах. – М.: Наука, 1972.

Немного истории от манипуляции предметами к манипуляциям понятиями о предметах замена изучаемого объекта, процесса или явления более простым и доступным для исследования эквивалентом невозможность учесть всю совокупность факторов, определяющих свойства и поведение объекта

Роль моделей Здание – некрасивое, непрочное или не вписывается в окружающий пейзаж Демонстрация систем кровообращения на натуре негуманна Напряжения, например в крыльях, могут оказаться слишком велики Собирать электрические цепи для измерений неэкономично

Связь модели с оригиналом Создание модели предполагает сохранение каких - то свойств оригинала, причем в разных моделях эти свойства могут быть разными. Здание из картона много меньше настоящего, но позволяет судить о его внешнем виде; плакат делает понятной систему кровообращения, хотя ничего общего не имеет с органами и тканями; макет самолета не летает, но напряжения в его корпусе соответствуют условиям полета.

Почему используют модели? 1.Модель доступнее для исследования, чем реальный объект, 2.Исследовать модель проще и дешевле, чем реальные объекты, 3.некоторые объекты невозможно изучать непосредственно: пока невозможно, например, построить устройство для термоядерного синтеза или провести эксперименты в недрах звезд, 4.невозможны эксперименты с прошлым, недопустимы эксперименты с экономикой или социальные эксперименты

Назначение моделей 1.С помощью модели можно выявить наиболее существенные факторы, формирующие свойства объекта. Поскольку модель отражает только некоторые характеристики объекта - оригинала, то, варьируя набор этих характеристик в составе модели, можно определить степень влияния тех или иных факторов на адекватность поведения модели

Модель нужна: 1.Для того, чтобы понять, как устроен конкретный объект: какова его структура, свойства, законы развития и взаимодействия с окружающим миром. 2.Для того, чтобы научиться управлять объектом или процессом и определить наилучшие способы управления при заданных целях и критериях. 3.Для того, чтобы прогнозировать поведение объекта и оценить последствия различных способов и форм воздействия на объект (метеорологические модели, модели развития биосферы).

Свойство правильной модели Правильно построенная, хорошая модель обладает замечательным свойством: ее изучение позволяет получить новые знания об объекте - оригинале, несмотря на то, что при создании модели использовались только некоторые основные характеристики оригинала

Материальное моделирование Модель воспроизводит основные геометрические, физические, динамические и функциональные характеристики изучаемого объекта, когда реальному объекту сопоставляется его увеличенная или уменьшенная копия, допускающая исследование в лабораторных условиях с последующим перенесением свойств изучаемых процессов и явлений с модели на объект на основе теории подобия (планетарий, модели зданий и аппаратов и т. д.). Процесс исследования в таком случае тесно связан с материальным воздействием на модель, т. е. состоит в натурном эксперименте. Таким образом, материальное моделирование по своей природе является экспериментальным методом.

Типы идеального моделирования Интуитивное – моделирование объектов, не поддающихся формализации или не нуждающихся в ней. Жизненный опыт человека можно считать его интуитивной моделью окружающего мира Знаковое – моделирование, использующее в качестве моделей знаковые преобразования разного вида: схемы, графики, чертежи, формулы и т. д. и содержащее совокупность законов, по которым можно оперировать с элементами модели

Математическое моделирование исследование объекта осуществляют на основе модели, сформулированной на языке математики и исследуемой с помощью тех или иных математических методов Математическое моделирование – это область науки, занимающаяся моделированием явлений природы, техники, экономической и общественной жизни с помощью математического аппарата и, в настоящее время, реализующая эти модели с помощью ЭВМ

Классификация мат. моделей По назначению: дескриптивные оптимизационные имитационные По характеру уравнений: линейные нелинейные По учету изменения системы во времени: динамические статические По свойству области определения аргументов: непрерывные дискретные По характеру процесса: детерминированные стохастические

Описание презентации по отдельным слайдам:

1 слайд

Описание слайда:

2 слайд

Описание слайда:

Математическая модель - математическое представление реальности, один из вариантов модели, как системы, исследование которой позволяет получать информацию о некоторой другой системе. Процесс построения и изучения математических моделей называется математическим моделированием. Все естественные и общественные науки, использующие математический аппарат, по сути занимаются математическим моделированием: заменяют объект исследования его математической моделью и затем изучают последнюю. Связь математической модели с реальностью осуществляется с помощью цепочки гипотез, идеализаций и упрощений. С помощью математических методов описывается, как правило, идеальный объект, построенный на этапе содержательного моделирования. Общие сведения

3 слайд

Описание слайда:

Никакое определение не может в полном объёме охватить реально существующую деятельность по математическому моделированию. Несмотря на это, определения полезны тем, что в них делается попытка выделить наиболее существенные черты. По Ляпунову, математическое моделирование - это опосредованное практическое или теоретическое исследование объекта, при котором непосредственно изучается не сам интересующий нас объект, а некоторая вспомогательная искусственная или естественная система (модель), находящаяся в некотором объективном соответствии с познаваемым объектом, способная замещать его в определенных отношениях и дающая при её исследовании, в конечном счете, информацию о самом моделируемом объекте. В других вариантах, математическая модель определяется как объект-заместитель объекта-оригинала, обеспечивающий изучение некоторых свойств оригинала, как «„эквивалент“ объекта, отражающий в математической форме важнейшие его свойства - законы, которым он подчиняется, связи, присущие составляющим его частям», как систему уравнений, или арифметических соотношений, или геометрических фигур, или комбинацию того и другого, исследование которых средствами математики должно ответить на поставленные вопросы о свойствах некоторой совокупности свойств объекта реального мира, как совокупность математических соотношений, уравнений, неравенств, описывающих основные закономерности, присущие изучаемому процессу, объекту или системе. Определения

4 слайд

Описание слайда:

Формальная классификация моделей основывается на классификации используемых математических средств. Часто строится в форме дихотомий. Например, один из популярных наборов дихотомий: Линейные или нелинейные модели; Сосредоточенные или распределённые системы; Детерминированные или стохастические; Статические или динамические; Дискретные или непрерывные и так далее. Каждая построенная модель является линейной или нелинейной, детерминированной или стохастической, … Естественно, что возможны и смешанные типы: в одном отношении сосредоточенные (по части параметров), в другом - распределённые модели и т. д. Формальная классификация моделей

5 слайд

Описание слайда:

Наряду с формальной классификацией, модели различаются по способу представления объекта: Структурные или функциональные модели. Структурные модели представляют объект как систему со своим устройством и механизмом функционирования. Функциональные модели не используют таких представлений и отражают только внешне воспринимаемое поведение (функционирование) объекта. В их предельном выражении они называются также моделями «чёрного ящика». Возможны также комбинированные типы моделей, которые иногда называют моделями «серого ящика». Математические модели сложных систем можно разделить на три типа: Модели типа чёрный ящик (феноменологические), Модели типа серый ящик (смесь феноменологических и механистических моделей), Модели типа белый ящик (механистические, аксиоматические). Схематическое представление моделей типа чёрный ящик, серый ящик и белый ящик Классификация по способу представления объекта

6 слайд

Описание слайда:

Практически все авторы, описывающие процесс математического моделирования, указывают, что сначала строится особая идеальная конструкция, содержательная модель. Устоявшейся терминологии здесь нет, и другие авторы называют этот идеальный объект концептуальная модель, умозрительная модель или предмодель. При этом финальная математическая конструкция называется формальной моделью или просто математической моделью, полученной в результате формализации данной содержательной модели (предмодели). Построение содержательной модели может производиться с помощью набора готовых идеализаций, как в механике, где идеальные пружины, твёрдые тела, идеальные маятники, упругие среды и т. п. дают готовые структурные элементы для содержательного моделирования. Однако в областях знания, где не существует полностью завершенных формализованных теорий (передний край физики, биологии, экономики, социологии, психологии, и большинства других областей), создание содержательных моделей резко усложняется. Содержательные и формальные модели

7 слайд

Описание слайда:

В работе Пайерлса дана классификация математических моделей, используемых в физике и, шире, в естественных науках. В книге А. Н. Горбаня и Р. Г. Хлебопроса эта классификация проанализирована и расширена. Эта классификация сфокусирована, в первую очередь, на этапе построения содержательной модели. Гипотеза Модели первого типа - гипотезы («такое могло бы быть»), «представляют собой пробное описание явления, причем автор либо верит в его возможность, либо считает даже его истинным». По Пайерлсу это, например, модель Солнечной системы по Птолемею и модель Коперника (усовершенствованная Кеплером), модель атома Резерфорда и модель Большого Взрыва. Модели-гипотезы в науке не могут быть доказаны раз и навсегда, можно лишь говорить об их опровержении или неопровержении в результате эксперимента. Если модель первого типа построена, то это означает, что она временно признаётся за истину и можно сконцентрироваться на других проблемах. Однако это не может быть точкой в исследованиях, но только временной паузой: статус модели первого типа может быть только временным. Феноменологическая модель Второй тип - феноменологическая модель («ведем себя так, как если бы…»), содержит механизм для описания явления, хотя этот механизм недостаточно убедителен, не может быть достаточно подтверждён имеющимися данными или плохо согласуется с имеющимися теориями и накопленным знанием об объекте. Поэтому феноменологические модели имеют статус временных решений. Считается, что ответ всё ещё неизвестен, и необходимо продолжить поиск «истинных механизмов». Ко второму типу Пайерлс относит, например, модели теплорода и кварковую модель элементарных частиц. Роль модели в исследовании может меняться со временем, может случиться так, что новые данные и теории подтвердят феноменологические модели и те будут повышены до статуса гипотезы. Аналогично новое знание может постепенно прийти в противоречие с моделями-гипотезами первого типа, и те могут быть переведены во второй. Содержательная классификация моделей

8 слайд

Описание слайда:

Так, кварковая модель постепенно переходит в разряд гипотез; атомизм в физике возник как временное решение, но с ходом истории перешёл в первый тип. А вот модели эфира проделали путь от типа 1 к типу 2, а сейчас находятся вне науки. Идея упрощения очень популярна при построении моделей. Но упрощение бывает разным. Пайерлс выделяет три типа упрощений в моделировании. Приближение Третий тип моделей - приближения («что-то считаем очень большим или очень малым»). Если можно построить уравнения, описывающие исследуемую систему, то это не значит, что их можно решить даже с помощью компьютера. Общепринятый прием в этом случае - использование приближений (моделей типа 3). Среди них модели линейного отклика. Уравнения заменяются линейными. Стандартный пример - закон Ома. Если мы используем модель идеального газа для описания достаточно разреженных газов, то это - модель типа 3 (приближение). При более высоких плотностях газа тоже полезно представлять себе более простую ситуацию с идеальным газом для качественного понимания и оценок, но тогда это уже тип 4. Упрощение Четвёртый тип - упрощение («опустим для ясности некоторые детали»), в такой отбрасываются детали, которые могут заметно и не всегда контролируемо повлиять на результат. Одни и те же уравнения могут служить моделью типа 3 (приближение) или 4 (опустим для ясности некоторые детали) - это зависит от явления, для изучения которого используется модель. Так, если модели линейного отклика применяются при отсутствии более сложных моделей (то есть не производится линеаризация нелинейных уравнений, а просто ищутся линейные уравнения, описывающие объект), то это уже феноменологические линейные модели, и относятся они к следующему типу 4 (все нелинейные детали «для ясности» опускаем). Примеры: применение модели идеального газа к неидеальному, уравнение состояния Ван-дер-Ваальса, большинство моделей физики твердого тела, жидкостей и ядерной физики. Путь от микроописания к свойствам тел (или сред), состоящих из большого числа частиц, Содержательная классификация моделей (продолжение)

9 слайд

Описание слайда:

очень длинен. Приходится отбрасывать многие детали. Это приводит к моделям четвёртого типа. Эвристическая модель Пятый тип - эвристическая модель («количественного подтверждения нет, но модель способствует более глубокому проникновению в суть дела»), такая модель сохраняет лишь качественное подобие реальности и даёт предсказания только «по порядку величины». Типичный пример - приближение средней длины свободного пробега в кинетической теории. Оно даёт простые формулы для коэффициентов вязкости, диффузии, теплопроводности, согласующиеся с реальностью по порядку величины. Но при построении новой физики далеко не сразу получается модель, дающая хотя бы качественное описание объекта - модель пятого типа. В этом случае часто используют модель по аналогии, отражающую действительность хоть в какой-нибудь черте. Аналогия Тип шестой - модель-аналогия («учтём только некоторые особенности»). Пайерлс приводит историю использования аналогий в первой статье Гейзенберга о природе ядерных сил. Мысленный эксперимент Седьмой тип моделей - мысленный эксперимент («главное состоит в опровержении возможности»). Такой тип моделирования часто использовался Эйнштейном, в частности, один из таких экспериментов привёл к построению специальной теории относительности. Предположим, что в классической физике мы движемся за световой волной со скоростью света. Мы будем наблюдать периодически меняющееся в пространстве и постоянное во времени электромагнитное поле. Согласно уравнениям Максвелла, этого быть не может. Отсюда Эйнштейн заключил: либо законы природы меняются при смене системы отсчёта, либо скорость света не зависит от системы отсчёта, и выбрал второй вариант. Демонстрация возможности Восьмой тип - демонстрация возможности («главное - показать внутреннюю непротиворечивость возможности»), такого рода модели тоже мысленные эксперименты с воображаемыми сущностями, демонстрирующие, что предполагаемое явление согласуется с базовыми принципами и Содержательная классификация моделей (продолжение)

10 слайд

Описание слайда:

внутренне непротиворечиво. В этом основное отличие от моделей типа 7, которые вскрывают скрытые противоречия. Один из самых знаменитых таких экспериментов - геометрия Лобачевского. (Лобачевский называл её «воображаемой геометрией».) Другой пример - массовое производство формально-кинетических моделей химических и биологических колебаний, автоволн. Парадокс Эйнштейна - Подольского - Розена был задуман как мысленный эксперимент для демонстрации противоречивости квантовой механики, но незапланированным образом со временем превратился в модель 8 типа - демонстрацию возможности квантовой телепортации информации. В основе содержательной классификации - этапы, предшествующие математическому анализу и вычислениям. Восемь типов моделей по Пайерлсу суть восемь типов исследовательских позиций при моделировании. Содержательная классификация моделей (продолжение)

11 слайд

Описание слайда:

12 слайд

Описание слайда:

фактически бесполезной. Зачастую более простая модель позволяет лучше и глубже исследовать реальную систему, чем более сложная (и, формально, «более правильная»). Если применять модель гармонического осциллятора к объектам, далёким от физики, её содержательный статус может быть другим. Например, при приложении этой модели к биологическим популяциям её следует отнести, скорее всего, к типу 6 аналогия («учтём только некоторые особенности»). Пример (продолжение)

13 слайд

Описание слайда:

14 слайд

Описание слайда:

Важнейшие математические модели обычно обладают важным свойством универсальности: принципиально разные реальные явления могут описываться одной и той же математической моделью. Скажем, гармонический осциллятор описывает не только поведение груза на пружине, но и другие колебательные процессы, зачастую имеющие совершенно иную природу: малые колебания маятника, колебания уровня жидкости в U-образном сосуде или изменение силы тока в колебательном контуре. Таким образом, изучая одну математическую модель, мы изучаем сразу целый класс описываемых ею явлений. Именно этот изоморфизм законов, выражаемых математическими моделями в различных сегментах научного знания, подвиг Людвига фон Берталанфи на создание «общей теории систем». Универсальность моделей

15 слайд

Описание слайда:

Существует множество задач, связанных с математическим моделированием. Во-первых, надо придумать основную схему моделируемого объекта, воспроизвести его в рамках идеализаций данной науки. Так, вагон поезда превращается в систему пластин и более сложных тел из разных материалов, каждый материал задается как его стандартная механическая идеализация (плотность, модули упругости, стандартные прочностные характеристики), после чего составляются уравнения, по дороге какие-то детали отбрасываются как несущественные, производятся расчёты, сравниваются с измерениями, модель уточняется, и так далее. Однако для разработки технологий математического моделирования полезно разобрать этот процесс на основные составные элементы. Традиционно выделяют два основных класса задач, связанных с математическими моделями: прямые и обратные. Прямая задача: структура модели и все её параметры считаются известными, главная задача - провести исследование модели для извлечения полезного знания об объекте. Какую статическую нагрузку выдержит мост? Как он будет реагировать на динамическую нагрузку (например, на марш роты солдат, или на прохождение поезда на различной скорости), как самолёт преодолеет звуковой барьер, не развалится ли он от флаттера, - вот типичные примеры прямой задачи. Постановка правильной прямой задачи (задание правильного вопроса) требует специального мастерства. Если не заданы правильные вопросы, то мост может обрушиться, даже если была построена хорошая модель для его поведения. Так, в 1879 г. в Великобритании обрушился металлический железнодорожный мост через реку Тей, конструкторы которого построили модель моста, рассчитали его на 20-кратный запас прочности на действие полезной нагрузки, но забыли о постоянно дующих в тех местах ветрах. И через полтора года он рухнул. В простейшем случае (одно уравнение осциллятора, например) прямая задача очень проста и сводится к явному решению этого уравнения. Обратная задача: известно множество возможных моделей, надо выбрать конкретную модель на основании дополнительных данных Прямая и обратная задачи математического моделирования

Математическая модель - это совокупность математических объектов и соотношений между ними, адекватно отображающая свойства и поведение исследуемого объекта.

Математика в самом общем смысле слова имеет дело с определением и использованием символических моделей. Математическая модель охватывает класс неопределяемых (абстрактных, символических) математических объектов таких, как числа или векторы, и отношения между этими объектами.

Математическое отношение – это гипотетическое правило, связывающее два или более символических объекта. Многие отношения могут быть описаны при помощи математических операций, связывающих один или несколько объектов с другим объектом или множеством объектов (результатом операции). Абстрактная модель с ее объектами произвольной природы, отношениями и операциями определяется непротиворечивым набором правил, вводящих операции, которыми можно пользоваться, и устанавливающих общие отношения между их результатами. Конструктивное определение вводит новую математическую модель, пользуясь уже известными математическими понятиями (например, определение сложения и умножения матриц в терминах сложения и умножения чисел).

Математическая модель будет воспроизводить подходящим образом выбранные стороны физической ситуации, если можно установить правило соответствия, связывающее специфические физические объекты и отношения с определенными математическими объектами и отношениями. Поучительным и/или интересным может также быть и построение математических моделей, для которых в физическом мире аналогов не существует. Наиболее общеизвестными математическими моделями являются системы целых и действительных чисел и евклидова геометрия; определяющие свойства этих моделей представляют собой более или менее непосредственные абстракции физических процессов (счет, упорядочение, сравнение, измерение).

Объекты и операции более общих математических моделей часто ассоциируются с множествами действительных чисел, которые могут быть соотнесены с результатами физических измерений.

Математическое моделирование - метод качественного и (или) количественного описания процесса с помощью, так называемой математической модели, при построении которой реальный процесс или явление описывается с помощью того или иного адекватного математического аппарата. Математическое моделирование является неотъемлемой частью современного исследования.

Математическое моделирование является типичной дисциплиной, находящейся, как сейчас часто говорят, на “стыке” нескольких наук. Адекватная математическая модель не может быть построена без глубокого знания того объекта, который “обслуживается” математической моделью. Иногда высказывается иллюзорная надежда, что математическая модель может быть создана совместно математиком, не знающим объекта моделирования, и специалистом по “объекту”, не знающим математики. Для успешной деятельности в области математического моделирования необходимо знать как математические методы, так и объект моделирования. С этим связано, например, наличие такой специальности как физик теоретик, основной деятельностью которого является математическое моделирование в физике. Разделение специалистов на теоретиков и экспериментаторов, утвердившееся в физике, несомненно, произойдет и в других науках, как фундаментальных, так и прикладных.

Ввиду разнообразия применяемых математических моделей, их общая классификация затруднена. В литературе обычно приводят классификации, в основу которых положены различные подходы. Один из таких подходов связан с характером моделируемого процесса, когда выделяют детерминированные и вероятностные модели. Наряду с такой широко распространенной классификацией математических моделей существуют и другие.

Классификация математических моделей на основе особенностей применяемого математического аппарата . В ней можно выделить следующие их разновидности.

Обычно с помощью таких моделей описывают динамику систем, состоящих из дискретных элементов. С математической стороны - это системы обыкновенных линейных или нелинейных дифференциальных уравнений.

Математические модели с сосредоточенными параметрами широко применяются для описания систем, состоящих из дискретных объектов или совокупностей идентичных объектов. Например, широко используется динамическая модель полупроводникового лазера. В этой модели фигурируют две динамические переменные - концентрации неосновных носителей заряда и фотонов в активной зоне лазера.

В случае сложных систем число динамических переменных и, следовательно, дифференциальных уравнений может быть велико (до 102… 103). В этих случаях полезны различные методы редукции системы, основанные на временной иерархии процессов, оценке влияния различных факторов и пренебрежении несущественными среди них и др.

Метод последовательного расширения модели может привести к созданию адекватной модели сложной системы.

Моделями этого типа описываются процессы диффузии, теплопроводности, распространения волн различной природы и т. п. Эти процессы могут быть не только физической природы. Математические модели с распределенными параметрами широко распространены в биологии, физиологии и других науках. Чаще всего в качестве основы математической модели применяют уравнения математической физики, в том числе и нелинейные.

Общеизвестна основополагающая роль принципа наибольшего действия в физике. Например, все известные системы уравнений, описывающие физические процессы, могут быть выведены из экстремальных принципов. Однако и в других науках экстремальные принципы играют существенную роль.

Экстремальный принцип используется при аппроксимации эмпирических зависимостей аналитическим выражением. Графическое изображение такой зависимости и конкретный вид аналитического выражения, описывающего эту зависимость, определяют с помощью экстремального принципа, получившего название метода наименьших квадратов (метод Гаусса), суть которого заключается в следующем.

Пусть проводится опыт, целью которого является исследование зависимости некоторой физической величины Y от физической величины X. Предполагается, что величины х и у связаны функциональной зависимостью

Вид этой зависимости и требуется определить из опыта. Предположим, что в результате опыта получили ряд экспериментальных точек и построили график зависимости у от х . Обычно экспериментальные точки на таком графике располагаются не совсем правильно, дают некоторый разброс, т. е. обнаруживают случайные отклонения от видимой общей закономерности. Эти отклонения связаны с неизбежными при всяком опыте ошибками измерения. Тогда возникает типичная для практики задача сглаживания экспериментальной зависимости.

Для решения этой задачи обычно применяется расчетный метод, известный под названием метода наименьших квадратов (или метод Гаусса).

Разумеется, перечисленные разновидности математических моделей не исчерпывают весь математический аппарат, применяемый в математическом моделировании. Особенно разнообразен математический аппарат теоретической физики и, в частности, ее важнейшего раздела - физики элементарных частиц.

В качестве основного принципа классификации математических моделей часто используют области их применения. При таком подходе выделяются следующие области применения:

физические процессы;

технические приложения, в том числе управляемые системы, искусственный интеллект;

жизненные процессы (биология, физиология, медицина);

большие системы, связанные с взаимодействием людей (социальные, экономические, экологические);

гуманитарные науки (языкознание, искусство).

(Области применения указаны в порядке, соответствующем убыванию уровня адекватности моделей).

Виды математических моделей: детерминированные и вероятностные, теоретические и экспериментальные факторные. Линейные и нелинейные, динамические и статические. непрерывные и дискретные, функциональные и структурные.

Классификация математических моделей (ТО - технический объект)

Структура модели - это упорядоченное множество элементов и их отношений. Параметр - это величина, характеризующая свойство или режим работы объекта. Выходные параметры характеризуют свойства технического объекта, а внутренние параметры - свойства его элементов. Внешние параметры - это параметры внешней Среды, оказывающей влияние на функционирование технического объекта.

К математическим моделям предъявляются требования адекватности, экономичности, универсальности. Эти требования противоречивы.

В зависимости от степени абстрагирования при описании физических свойств технической системы различают три основных иерархических уровня: верхний или метауровень, средний или макроуровень, нижний или микроуровень.

Метауровень соответствует начальным стадиям проектирования, на которых осуществляется научно-техничекский1 поиск и прогнозирование, разработка концепции и технического решения, разработка технического предложения. Для построения математических моделей метауровня используют методы морфологического синтеза, теории графов, математической логики, теории автоматического управления, теории массового обслуживания, теории конечных автоматов.

На макроуровне объект рассматривается как динамическая система с сосредоточенными параметрами. Математические модели макроуровня представляют собой системы обыкновенных дифференциальных уравнений. Эти модели используют при определении параметров технического объекта и его функциональных элементов.

На микроуровне объект представляется как сплошная Среда с распределенными параметрами. Для описания процессов функционирования таких объектов используют дифференциальные уравнения в частных производных. На микроуровне проектируют неделимые по функциональному признаку элементы технической системы, называемые базовыми элементами. При этом базовый элемент рассматривается как система, состоящая из множества однотипных функциональных элементов одной и той же физической природы, взаимодействующих между собой и находящихся под воздействием внешней Среды и других элементов технического объекта, являющихся внешней средой по отношению к базовому элементу.

По форме представления математических моделей различают инвариантную, алгоритмическую, аналитическую и графическую модели объекта проектирования.

В инвариантной форме математическая модель представляется системой уравнений вне связи с методом решения этих уравнений.

В алгоритмической форме соотношения модели связаны с выбранным численным методом решения и записаны в виде алгоритма - последовательности вычислений. Среди алгоритмических моделей выделяют имитационные , модели предназначенные для имитации физических и информационных процессов, протекающих в объекте при его функционировании под воздействием различных факторов внешней среды.

Аналитическая модель представляет собой явные зависимости искомых переменных от заданных величин (обычно зависимости выходных параметров объекта от внутренних и внешних параметров). Такие модели получают на основе физических законов, либо в результате прямого интегрирования исходных дифференциальных уравнений. Аналитические математические модели позволяют легко и просто решать задачи определения оптимальных параметров. Поэтому, если представляется возможность получения модели в таком виде, ее всегда целесообразно реализовать, даже если при этом придется выполнить ряд вспомогательных процедур, Такие модели обычно получают методом планирования эксперимента (вычислительного или физического).

Графическая (схемная) модель представляется в виде графов, эквивалентных схем, динамических моделей, диаграмм и т.п. Для использования графических моделей должно существовать правило однозначного соответствия условных изображений элементов графической и компонентов инвариантной математических моделей.

Деление математических моделей на функциональные и структурные определяется характером отображаемых свойств технического объекта.

Структурные модели отображают только структуру объектов и используются только при решении задач структурного синтеза. Параметрами структурных моделей являются признаки функциональных или конструктивных элементов, из которых состоит технический объект и по которым один вариант структуры объекта отличается от другого. Эти параметры называют морфологическими перемененными. Структурные модели имеют форму таблиц, матриц и графов. Наиболее перспективно применение древовидных графов типа И-ИЛИ-дерева. Такие модели широко используют на метауровне при выборе технического решения.

Функциональные модели описывают процессы функционирования технических объектов и имеют форму систем уравнений. Они учитывают структурные и функциональные свойства объекта и позволяют решать задачи как параметрического, так и структурного синтеза. Их широко используют на всех уровнях проектирования. На метауровне функциональные задачи позволяют решать задачи прогнозирования, на макроуровне - выбора структуры и оптимизации внутренних параметров технического объекта, на микроуровне - оптимизации параметров базовых элементов.

ПО способам получения функциональные математические модели делятся на теоретические и экспериментальные.

Теоретические модели получают на основе описания физических процессов функционирования объекта, а экспериментальные - на основе поведения объекта во внешней среде, рассматривая его как “черный ящик”. Эксперименты при этом могут быть физические (на техническом объекте или его физической модели) или вычислительные (на теоретической математической модели).

При построении теоретических моделей используется физический и формальный подходы.

Физический подход сводится к непосредственному применению физических законов для описания объектов, например, законов Ньютона, Гука, Кирхгофа и т.д.

Формальный подход использует общие математические принципы и применяется при построении как теоретических, так и экспериментальных моделей. Экспериментальные модели - формальные. Они не учитывают всего комплекса физических свойств элементов исследуемой технической системы, а лишь устанавливают обнаруживаемую в процессе эксперимента связь между отдельными параметрами системы, которые удается варьировать и (или) осуществлять их измерение. Такие модели дают адекватное описание исследуемых процессов лишь в ограниченной области пространства параметров, в которой осуществлялось варьирование параметров в эксперименте. Поэтому экспериментальные математические модели носят частный характер, в то время как физические законы отражают общие закономерности явлений и процессов, протекающих как во всей технической системе, так и в каждом ее элементе в отдельности. Следовательно, экспериментальные математические модели не могут быть приняты в качестве физических законов. Вместе с тем методы, применяемые для построения этих моделей широко используются при проверке научных гипотез.

Функциональные математические модели могут быть линейные и нелинейные. Линейные модели содержат только линейные функции величин, характеризующих состояние объекта при его функционировании, и их производных. Характеристики многих элементов реальных объектов нелинейные. Математические модели таких объектов включают нелинейные функции этих величин и их производных и относятся к нелинейным .

Если при моделировании учитываются инерционные свойства объекта и (или) изменение во времени объекта или внешней Среды, то модель называют динамической . В противном случае модель - статическая . Математическое представление динамической модели в общем случае может быть выражено системой дифференциальных уравнений, а статической - системой алгебраических уравнений.

Если воздействие внешней Среды на объект носит случайный характер и описывается случайными функциями. В этом случае требуется построение вероятностной математической модели. Однако такая модель весьма сложная и ее использование при проектировании технических объектов требует больших затрат машинного времени. Поэтому ее применяют на заключительном этапе проектирования.

Большинство проектных процедур выполняется на детерминированных моделях. Детерминированная математическая модель характеризуется взаимно однозначным соответствием между внешним воздействием на динамическую систему и ее реакцией на это воздействие. В вычислительном эксперименте при проектировании обычно задают некоторые стандартные типовые воздействия на объект: ступенчатые, импульсные, гармонические, кусочно-линейные, экспоненциальные и др. Их называют тестовыми воздействиями.

Продолжение Таблицы “Классификация математических моделей

Виды математических моделей технических объектов
По учету физических свойств ТО	По способности прогнозирования результатов
Динамические	Детерминированные
Статические	Вероятностные
Непрерывные
Дискретные
Линейные
На этом этапе выполняются следующие действия. Составляется план создания и использования программной модели. Как правило, программа модели создается с помощью средств автоматизации моделирования на ЭВМ. Поэтому в плане указываются: тип ЭВМ; средство автоматизации моделирования; примерные затраты памяти ЭВМ на создание программы модели и ее рабочих массивов; затраты машинного времени на один цикл работы модели; оценки затрат на программирование и отладку программы модели. Затем исследователь приступает к программированию модели. В качестве технического задания на программирование служит описание имитационной модели. Специфика работ по программированию модели зависит от средств автоматизации моделирования, которые доступны исследователю. Не существует значительных отличий создания программы модели от обычной автономной отладки программных модулей большой программы или пакета программ, В соответствии с текстом производится деление модели на блоки и подблоки. В отличие от обычной автономной отладки программных модулей, при автономной отладке блоков и подблоков программной модели объем работ существенно увеличивается, поскольку для каждого модуля необходимо создать и отладить еще имитатор внешнего окружения. Весьма существенно выверить реализацию функций модуля в модельном времени t и оценить затраты машинного времени на один цикл работы модели как функцию от значений параметров модели. Завершаются работы при автономной отладке компонент модели подготовкой форм представления входных и выходных данных моделирования. Далее переходят ко второй проверке достоверности программы модели системы. В процессе этой проверки устанавливается соответствие операций в программе и описании модели. Для этого производится обратный перевод программы в схему модели (ручная «прокрутка» позволяет найти грубые ошибки статики модели) . После исключения грубых ошибок ряд блоков объединяется и начинается комплексная отладка модели с использованием тестов. Отладка по тестам начинается с нескольких блоков, затем в этот процесс вовлекается все большее число блоков модели. Отметим, что комплексная отладка программы модели намного сложнее отладки пакетов прикладных программ, поскольку ошибки динамики моделирования в этом случае найти значительно труднее вследствие квазипараллельной работы различных компонент модели. По завершении комплексной отладки программы модели необходимо вновь оценить затраты машинного времени на один цикл расчетов на модели. При этом полезно получить аппроксимацию времени моделирования на один цикл имитации. Следующим действием является составление технической документации на модель сложной системы. Результатом этапа к моменту окончания комплексной отладки программы модели должны быть следующие документы: описание имитационной модели; описание программы модели с указанием системы программирования и принятых обозначений; полная схема программы модели; полная запись программы модели на языке моделирования; доказательство достоверности программы модели (результаты комплексной отладки программы модели); описание входных и выходных величин с необходимыми пояснениями (размерностей, масштабов, диапазонов изменения величин, обозначений); оценка затрат машинного времени на один цикл моделирования; инструкция по работе с программой модели. Для проверки адекватности модели объекту исследования после составления формального описания системы исследователь составляет план проведения натурных экспериментов с прототипом системы. Если прототип системы отсутствует, то можно использовать систему вложенных ИМ, отличающихся друг от друга степенью детализации имитации одних и тех же явлений. Тогда более детальная модель служит в качестве прототипа для обобщенной ИМ. Если же построить такую последовательность невозможно либо из-за отсутствия ресурсов на выполнение этой работы, либо из-за недостаточности информации, то обходятся без проверки адекватности ИМ. Согласно этому плану параллельно с отладкой ИМ осуществляется серия натурных экспериментов на реальной системе, в ходе которых накапливаются контрольные результаты. Имея в своем распоряжении контрольные результаты и результаты испытаний ИМ, исследователь проверяет адекватность модели объекту. При обнаружении ошибок на этапе отладки, устранимых только на предыдущих этапах, может иметь место возврат на предыдущий этап. Кроме технической документации к результатам этапа прилагается машинная реализация модели (программа, оттранслированная в машинном коде ЭВМ, на которой будет происходить имитация). Это важный этап создания модели. При этом необходимо выполнить следующее. Во-первых, убедиться в правильности динамики развития алгоритма моделирования объекта исследования в ходе имитации его функционирования (провести верификацию модели). Во-вторых, определить степень адекватности модели и объекта исследования. Под адекватностью программной имитационной модели реальному объекту понимают совпадение с заданной точностью векторов характеристик поведения объекта и модели. При отсутствии адекватности проводят калибровку имитационной модели («подправляют» характеристики алгоритмов компонент модели). Наличие ошибок во взаимодействии компонент модели возвращает исследователя к этапу создания имитационной модели. Возможно, что в ходе формализации исследователь слишком упростил физические явления, исключил из рассмотрения ряд важных сторон функционирования системы, что привело к неадекватности модели объекту. В этом случае исследователь должен вернуться к этапу формализации системы. В тех случаях, когда выбор способа формализации оказался неудачным, исследователю необходимо повторить этап составления концептуальной модели с учетом новой информации и появившегося опыта. Наконец, когда у исследователя оказалось недостаточно информации об объекте, он должен вернуться к этапу составления содержательного описания системы и уточнить его с учетом результатов испытания предыдущей модели системы. При этом оцениваются точность имитации явлений, устойчивость результатов моделирования, чувствительность критериев качества к изменению параметров модели. Получить эти оценки в ряде случаев бывает весьма сложно. Однако без успешных результатов этой работы доверия к модели не будет ни у разработчика, ни у заказчика ИМ. У разных исследователей в зависимости от вида ИМ сложились различные интерпретации понятий точности, устойчивости, стационарности, чувствительности ИМ. Пока не существует общепринятой теории имитации явлений на ЭВМ. Каждому исследователю приходится полагаться на свой опыт организации имитации и на свое понимание особенностей объекта моделирования. Точность имитации явлений представляет собой оценку влияния стохастических элементов на функционирование модели сложной системы. Устойчивость результатов моделирования характеризуется сходимостью контролируемого параметра моделирования к определенной величине при увеличении времени моделирования варианта сложной системы. Стационарность режима моделирования характеризует собой некоторое установившееся равновесие процессов в модели системы, когда дальнейшая имитация бессмысленна, поскольку новой информации из модели исследователь не получит и продолжение имитации практически приводит только к увеличению затрат машинного времени. Такую возможность необходимо предусмотреть и разработать способ определения момента достижения стационарного режима моделирования. Чувствительность ИМ представляется величиной минимального приращения выбранного критерия качества, вычисляемого по статистикам моделирования, при последовательном варьировании параметров моделирования на всем диапазоне их изменений. Этот этап начинается с составления плана эксперимента, позволяющего исследователю получить максимум информации при минимальных усилиях на вычисление. Обязательно статистическое обоснование плана эксперимента. Планирование эксперимента представляет собой процедуру выбора числа и условий проведения опытов, необходимых и достаточных для решения поставленной задачи с требуемой точностью. При этом существенно следующее: стремление к минимизации общего числа опытов, обеспечение возможности одновременного варьирования всеми переменными; использование математического аппарата, формализующего многие действия экспериментаторов; выбор четкой стратегии, позволяющей принимать обоснованные решения после каждой серии экспериментов на модели. Затем исследователь приступает к проведению рабочих расчетов на модели. Это весьма трудоемкий процесс, требующий больших затрат ресурса ЭВМ и обилия канцелярской работы. Отметим, что уже на ранних этапах создания ИМ необходимо тщательно продумывать состав и объемы информации моделирования, чтобы существенно облегчить дальнейший анализ результатов имитации. Итогом работы являются результаты моделирования. Данный этап завершает технологическую цепочку этапов создания и использования имитационных моделей. Получив результаты моделирования, исследователь приступает к интерпретации результатов. Здесь возможны следующие циклы имитации. В первом цикле имитационного эксперимента в ИМ заранее предусмотрен выбор вариантов исследуемой системы путем задания начальных условий имитации для машинной программы модели. Во втором цикле имитационного эксперимента модель модифицируется на языке моделирования, и поэтому требуются повторная трансляция и редактирование программы. Возможно, что в ходе интерпретации результатов исследователь установил наличие ошибок либо при создании модели, либо при формализации объекта моделирования. В этих случаях осуществляется возврат на этапы построения описания имитационной модели или на составление концептуальной модели системы соответственно. Результатом этапа интерпретации результатов моделирования являются рекомендации по проектированию системы или ее модификации. Имея в своем распоряжении рекомендации, исследователи приступают к принятию проектных решений. На интерпретацию результатов моделирования оказывают существенное влияние изобразительные возможности используемой ЭВМ и реализованной на ней системы моделирования. 1. Как проводится классификация математических моделей на основе особенностей применяемого математического аппарата. Реферат по математике Разработка экономико-математической модели по оптимизации отраслевой структуры производства в СХ

Алгоритм составления математической модели:

Составить краткую запись условия задачи:

А) выяснить, сколько величин участвует в задаче;

Б)выявить связи между этими величинами.

2. Сделать рисунок к задаче (в задачах на движение или в задачах геометрического содержания) или таблицу.

3. Обозначить за Х одну из величин (лучше меньшую величину).

4. Учитывая связи, составить математическую модель.

Задача1.(№ 86 (1)).

Квартира состоит из 3 комнат общей площадью 42 кв.м. Первая комната в 2 раза меньше второй, а вторая – на 3 кв. м больше третьей. Какова площадь каждой комнаты в этой квартире?

Задача 2. (№ 86 (2)).

За книгу, ручку и тетрадь Саша заплатил 11200 р. Ручка в 3 раза дороже тетради и на 700 р. дешевле книги. Сколько стоит тетрадь?

Задача 3.(№ 86 (3)).

Мотоциклист проехал расстояние между двумя городами, равное

980 км, за 4 дня. В первый день он проехал на 80 км меньше, чем во второй день, в третий день - половину расстояния, пройденного за первые два дня, а в четвертый день – оставшиеся 140 км. Какое расстояние проехал мотоциклист в третий день?

Задача 4. (№ 86 (4))

Периметр четырехугольника равен 46 дм. Первая его сторона в 2 раза меньше второй и в 3 раза меньше третьей стороны, а четвертая сторона на 4 см больше первой стороны. Чему равны длины сторон этого четырехугольника?

Задача 5. (№ 87)

Одно из чисел на 17 меньше второго, а их сумма равна 75. Найти большее из этих чисел.

Задача 6. (№ 99)

В трех отделениях концерта выступило 20 участников. Во втором отделении выступило в 3 раза меньше участников, чем в первом, а в третьем отделении – на 5 участников больше, чем во втором. Сколько участников концерта выступило в каждом отделении?