Основы построения математических моделей на микроуровне.

Оглавление
Введение
Переменные математической модели
Адекватность математической модели
Модели на микроуровне
Заключение
Список литературы

Основы построения математических моделей на микроуровне.

С помощью дискретных переменных относительно значений удобно представлять некоторые процессы (графики нагрузок или напряжений по часам суток или месяцам года), распределение вероятностей (гистограмма) и т. п.Дискретность во времени связана с отсчетом или замером переменных в отдельные дискретные моменты времени. Так, в автоматизированных системах управления измерения переменных выполняются с заданной периодичностью, например, через каждые 5 минут.Рис. 2. Виды переменных по свойствам непрерывности и дискретностиДискретность по времени и по значению дополнительно к измерениям в отдельные моменты времени предполагает использование дискретных значений переменных. [3]По способу получения переменные подразделяются на наблюдаемые и ненаблюдаемые.Главное свойство наблюдаемых переменных – доступность для наблюдения. Однако наблюдаемость сама по себе еще не обеспечивает возможности полного исследования и описания переменной. Необходимо, чтобы последняя обладала еще свойством измеримости, т. е. возможностью построения для исследуемой величины метрики. Этому требованию удовлетворяют непосредственно измеряемые переменные. Они представляют собой количественные характеристики свойств и параметров всевозможных материальных объектов и процессов (напряжение, ток, скорость, линейные размеры и пр.), которые определяются на основе прямого измерения, т. е. сравнения с мерой, обеспечены средствами измерения и охвачены существующей системой метрологического обеспечения.Тесно связан с непосредственно измеряемыми и следующий класс переменных – косвенно измеряемые.Косвенно измеряемая переменная x сама по себе не является объектом измерения, а часто и в принципе не может быть непосредственно измерена. Вместо нее непосредственному измерению подвергаются другие, вспомогательные переменные (α, β, γ,…), которые связаны с исследуемой переменной функциональной зависимостью x = f(α, β, γ,…). Это позволяет вычислить значение искомой переменной по результатам прямых наблюдений вспомогательных величин, например, вычислить объем тела по результатам измерения его линейных размеров. При испытаниях силовых трансформаторов в электрических сетях температуру его обмоток определяют методом измерения их сопротивлений постоянному току, т. е. температура – косвенно измеряемая переменная. [2]К косвенно измеряемым переменным относят такие искусственно сконструированные идеальные образования, которые вообще не наблюдаемы: математическое ожидание, дисперсия, энтропия и др.Существует класс переменных, которые при их количественном оценивании не имеют материальной эталонной базы и находятся вне сферы метрологии. К ним относятся все виды непосредственно или косвенно измеряемых переменных, приведенных к безразмерной форме и выраженных в относительных единицах. Например, некоторые величины материальной природы (интенсивность сейсмических явлений, интенсивность облачности в метеорологии, твердость материалов по Бринеллю и некоторые другие), а также искусственные идеальные конструкции, характеризующие в количественном отношении сложные и массовые объекты и явления (рентабельность, прибыль, эффективность и др.). Такие переменные называют условно измеряемыми, так как меры или единицы измерения, используемые при их количественном оценивании, носят конвенционный характер.Существует еще один класс наблюдаемых переменных – условно количественно оцениваемые. Они представляют сложные многофакторные явления, интенсивность которых может быть различной, но для количественного оценивания этой интенсивности не удается ввести ни объективной единицы измерения, ни способа измерения. Однако в целом ряде случаев между интенсивностями рассматриваемого явления удается установить отношение порядка (равны – не равны, больше – меньше и т. д.), а затем отобразить эти отношения, вообще говоря, произвольным образом на некоторое множество (систему) чисел. Результатом такой процедуры являются, например, численные оценки качества усвоения учащимися и студентами учебного материала, степень удовлетворения работой членов некоторого производственного коллектива, степень качества исполнения музыкального произведения или выполнения спортивного упражнения. Условное количественное оценивание основано на опыте и интуиции и по сути своей субъективно. [3]Ненаблюдаемые переменные подразделяют на принципиально ненаблюдаемые и технически ненаблюдаемые.Принципиально ненаблюдаемые переменные не существуют как компоненты реального мира и поэтому поддаются определению только косвенными методами, в частности на основе косвенных измерений (статистические характеристики).Технически ненаблюдаемые переменные характеризуют такие материальные явления, которые либо не обеспечены техническими средствами, необходимыми для измерения и оценивания, либо протекают в условиях, когда инструментальный доступ к ним невозможен. Характерным примером переменной, не наблюдаемой из-за практической недоступности, является количество угля для помола в шаровой мельнице на электростанции.Каждая переменная, связанная с материальным объектом, может изменять свои значения лишь в некоторых конечных пределах, которые обусловлены физическими свойствами объекта и характером решаемой задачи. Данные об этих пределах – ограничения на переменные – существенны при построении и использовании всех видов моделей, а в оптимизационных задачах, где необходимо найти оптимальное значение так называемой целевой функции, ограничения являются главной частью самой модели. [1]С математической точки зрения различают ограничения типа простых неравенств: Xmin ≤ X ≤ Xmax, Ymin ≤ Y ≤ Ymax – параллепипедные ограничения и функциональные ограничения, фиксирующие предельные значения некоторой величины в функции от других переменных: fmin(X) ≤ Z ≤ fmax(X) и т. п.Адекватность математической моделиМатематическое описание объекта может иметь различную степень соответствия (адекватность) объекту-оригиналу. Как правило, исследователь стремится к более полному и точному отражению в модели свойств объекта. Это естественное стремление объясняется неопределенностью, которая неизбежно присутствует при построении моделей. Нельзя заранее точно знать, какие свойства объекта важны для решаемой задачи, а какие – несущественны. Такая неопределенность тем больше, чем меньше исследователь знает исследуемый объект и меньше его опыт в решении подобных задач.Таким образом, требование полноты соответствия модели объекту-оригиналу является одним из ее качеств. Мало того, излишняя полнота модели в большинстве случаев даже вредна, так как приводит к такому усложнению модели, что ее использование становится невозможным. Поэтому другое качество модели – это ее простота. [1]Нетрудно понять, что качества адекватности и простоты противоречат друг другу, т. е. с улучшением одного из них происходит ухудшение другого. Отыскание оптимального сочетания (как говорят, «золотой середины») этих двух качеств при построении модели есть отдельная задача, решение которой лежит на исследователе. Здесь необходимы опыт, интуиция и соответствующий уровень подготовки исследователя. Идеальная квалификационная подготовка последнего не только весьма обширна, но и в значительной мере противоречива.С одной стороны, исследователь должен досконально представлять себе задачу и глубоко изучить объект моделирования. Но, с другой стороны, исследователю, строящему модель, необходимо хорошо владеть аппаратом современной математики, представлять себе весь арсенал модельных конструкций, иметь опыт формализации знаний и использования современных вычислительных средств. Кроме того, во многих случаях от исследователя требуются знания в области планировании и проведения эксперимента на объекте-оригинале или на более сложной модели (вычислительный эксперимент).Модель с оптимальным сочетанием качеств адекватности и простоты можно назвать эффективной (практически полезной) моделью. Математически такое сочетание соответствует максимуму так называемой «функции полезности», и, если эта функция может быть записана, отыскание ее максимума возможно известными оптимизационными методами.Употребляя термин «точность математического моделирования», можно иметь в виду адекватность модели, например, говорят: точная или приближенная формула, линеаризованная (т. е. приближенно замененная линейной) зависимость и т. д. Но реализация математической модели, т. е. проведение «вычислителем» одного или нескольких расчетов, результатом которых будут численные значения переменной, вектора, таблицы, содержит погрешности вычислений из-за ошибок округления, прерывания итерационного процесса вычислений и ошибок в данных, которые переходят (распространяются) на результаты. Дальнейшая обработка реализаций математической модели предполагает и подсчет погрешности исследований.