- •Вопросы для самоконтроля:
- •Вопросы для самоконтроля:
- •Понятие имитационного моделирования
- •Вопросы для самоконтроля:
- •Вопросы для самоконтроля:
- •Вопросы для самоконтроля:
- •Декомпозиция системы.
- •Вопросы для самоконтроля:
- •Вопросы для самоконтроля:
- •Вопросы для самоконтроля:
- •Вопросы для самоконтроля:
- •Оценка устойчивости
- •Вопросы для самоконтроля:
- •Вопросы для самоконтроля:
Вопросы для самоконтроля:
Что понимают под адекватностью модели?
На чем основана процедура оценки адекватности модели?
Каким образом можно оценить адекватность модели?
Наиболее распространенные способы оценки адекватности модели.
В каком случае применимы статистические методы оценки адекватности модели?
Тема лекции № 14: Оценка устойчивости и чувствительности
Основные вопросы:
Оценка устойчивости
Понятие устойчивости модели
Критерий Уилкоксона
Оценка чувствительности
Оценка устойчивости
При проверке адекватности модели как существующей, так и проектируемой системы реально может быть использовано лишь ограниченное подмножество всех возможных значений входных параметров (рабочей нагрузки и внешней среды). В связи с этим для обоснования достоверности получаемых результатов моделирования большое значение имеет проверка устойчивости модели. В теории моделирования это понятие трактуется следующим образом.
Понятие устойчивости модели
Устойчивость модели - это ее способность сохранять адекватность при исследовании эффективности системы на всем возможном диапазоне рабочей нагрузки, а также при внесении изменений в конфигурацию системы.
Каким образом может быть оценена устойчивость модели? Универсальной процедуры проверки устойчивости модели не существует. Разработчик вынужден прибегать к методам «для данного случая», частичным тестам и здравому смыслу. Часто полезна апостериорная проверка. Она состоит в сравнении результатов моделирования и результатов измерений на системе после внесения в нее изменений. Если результаты моделирования приемлемы, уверенность в устойчивости модели возрастает.
В общем случае можно утверждать, что чем ближе структура модели структуре системы и чем выше степень детализации, тем устойчивее модель. Устойчивость результатов моделирования может быть также оценена методами математической статистики. Здесь уместно вспомнить основную задачу математической статистики, которая заключается в том, чтобы проверить гипотезу относительно свойств некоторого множества элементов, называемого генеральной совокупностью, оценивая свойства какого-либо подмножества генеральной совокупности (то есть выборки). В генеральной совокупности исследователя обычно интересует некоторый признак, который обусловлен случайностью и может иметь качественный или количественный характер.
Критерий Уилкоксона
В данном случае именно устойчивость результатов моделирования можно рассматривать как признак, подлежащий оценке. Для проверки гипотезы об устойчивости результатов может быть использован критерий Уилкоксона, который служит для проверки того, относятся ли две выборки к одной и той же генеральной совокупности (т. е. обладают ли они одним и тем же статистическим признаком). Например, в двух партиях некоторой продукции измеряется определенный признак и требуется проверить гипотезу о том, что этот признак имеет в обеих партиях одинаковое распределение; другими словами, необходимо убедиться, что технологический процесс от партии к партии изменяется несущественно. При статистической оценке устойчивости модели соответствующая гипотеза может быть сформулирована следующим образом: при изменении входной (рабочей) нагрузки или структуры ММ закон распределения результатов моделирования остается неизменным.
Оценка чувствительности
Очевидно, что устойчивость является положительным свойством модели. Однако если изменение входных воздействий или параметров модели (в некотором заданном диапазоне) не отражается на значениях выходных параметров, то польза от такой модели невелика. В связи с этим возникает задача оценивания чувствительности модели к изменению параметров рабочей нагрузки и внутренних параметров самой системы.
Такую оценку проводят по каждому параметру модели в отдельности. Основана она на том, что обычно диапазон возможных изменений параметра известен. Данные, полученные при оценке чувствительности модели, могут быть использованы, в частности, при планировании экспериментов: большее внимание должно уделяться тем параметрам, по которым модель является более чувствительной.
