- •Моделирование как метод познания
- •Классификации моделей
- •Виды моделей и моделирования
- •2.Математическое моделирование
- •2.1 Основные понятия и определения
- •2.2 Классификация математических моделей
- •2.3 Цели математического моделирования для технических объектов и технологических процессов
- •2.4 Технологии моделирования
- •2.5 Краткая характеристика основных этапов алгоритмов построения аналитических и эмпирических моделей
- •Контроль производственно процесса
- •Контроль продукции
- •Статистика выборок
- •Выборочное наблюдение
- •Некоторые положения теории вероятностей
- •Основные формулы комбинаторики
- •Основные теоремы теории вероятностей
- •Искомая вероятность
- •Отсюда искомая вероятность
- •Теорема 4.Сумма вероятностей противоположных событий равна единице
- •Случайные величины
- •Нормальное распределение
- •Критерии оценок параметров
- •Определение значимости среднего значения. Оценка расхождения между средними значениями.
- •1 Планирование и проведение эксперимента
- •1.1. Основные понятия и определения
- •1.2 Планирование эксперимента
- •1.2.2. Полный факторный эксперимент
- •1.2. Проведение эксперимента
- •2. Регрессионные модели с одной входной переменной
- •2.1. Основные понятия
- •2.3 Адекватность регрессионных моделей
- •2.3.1 Точность регрессионных моделей
- •2.3.2. Виды регрессионных моделей с одной входной переменной
- •3. Регрессионные модели с несколькими входными переменными
- •3.1. Многофакторная (множественная) линейная регрессия
- •3.2. Матричный подход к определению коэффициентов регрессии
- •3.3. Оценка адекватности и точности многофакторной линейной модели
- •3.4. Линейные регрессионные модели с несколькими входными переменными
- •3.5. Нелинейные регрессионные модели с несколькими входными переменными
- •3.6. Шаговые методы построения регрессионных моделей
- •4. Интерпретация и оптимизация регрессионных моделей
- •4.1 Интерпретация модели
- •4.2 Оптимизация модели
- •5 Планирование эксперимента
- •5.1 Методика ортогонального центрального композиционного планирования эксперимента (оцкп).
- •5.2 Статистический анализ расчетных уравнений и методы нахождения оптимальных значений варьируемых факторов.
- •5.3 Применение метода планирования эксперимента к исследованию процесса каландрования резиновых смесей
- •5.4 Контурно-графический анализ при решении рецептурных и технологических задач с двумя независимыми переменными
- •5.5 Использование треугольной системы координат для графического анализа результатов 3-х факторного эксперимента
- •6.Математическое моделирование процесса получения полимеров ( на примере получения полистирола)
- •Интересно знать Альтернативный метод моделирования – искусственные нейронне сети
- •Использование нейронных сетей при составлении математических моделей технологических процессов
2.Математическое моделирование
2.1 Основные понятия и определения
С общих позиций математическое моделирование можно рассматривать как один из методов познания реального мира в период формирования так называемого информационного общества .
Понятие математической модели, не имеет строгого формального определения .В литературе по моделированию предлагаются следующие варианты:
● под математической моделью понимается класс абстрактных и символьных математических объектов – таких, как числа и вектора, и отношения между ними;
● математической моделью объекта называют совокупность абстрактных основополагающих математических понятий и отношений, выраженных при помощи системы математических символов и обозначений и отражающих некоторые свойства изучаемого объекта;
● под математической моделью понимается любой оператор А, позволяющий по соответствующим значениям входных параметров Х установить выходные значения параметров Y объекта моделирования .
Таким образом, математическая модель – совокупность математических объектов (уравнений, систем уравнений и неравенств, алгебраических выражений и т. д.), описывающих языком математических символов исследуемый объект и его отношения с окружающим миром.
Под математическим моделированием будем понимать процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью, и исследование этой модели, позволяющее получать характеристики рассматриваемого реального объекта.
Особенность математического моделирования состоит в том, что абстрактным отражением существующего или создаваемого объекта является его математическая модель, количественный анализ которой позволяет получить новые знания об этом объекте .
Под математическим моделированием в технике понимают адекватную замену исследуемого технического устройства или процесса соответствующей математической моделью и ее последующее изучение методами вычислительной математики с привлечением средств современной вычислительной техники [8].
То есть математическое моделирование – это построение математической модели (или выбор имеющейся «модели-заготовки»), ее исследование с целью получения новой информации об объекте и использование для описания свойств и предсказания поведения объекта.
Математическое моделирование основано на том факте, что различные объекты и явления могут иметь одинаковое математическое описание. Говоря простым языком, математическая модель – это совокупность наших знаний об исследуемом объекте, сформулированных на языке математики.
Однако наши знания об исследуемом объекте никогда не бывают абсолютными. Следовательно, математическая модель, как и любая другая модель, всегда является только копией объекта и описывает его приближенно.
Преимущества математического моделирования по сравнению с натурным экспериментом:
● экономичность (сбережение материальных, человеческих, временных и финансовых ресурсов);
● возможность моделирования гипотетических объектов;
● возможность реализации режимов, опасных или трудновоспроизводимых в реальности;
● возможность изменения масштаба времени;
● простота многоаспектного анализа;
● возможность построения прогнозов на основе выявления общих закономерностей;
● наличие и универсальность технического и программного обеспечения для моделирования.
Требования к математической модели:
● быть практически полезной;
● быть адекватной реальному объекту;
● быть адекватной решаемым задачам.
● быть простой в содержательном смысле и легко интерпретируемой;
● быть «адаптированной» к имеющимся исходным данным об объекте и легко модифицироваться при появлении новых данных;
● быть полной с точки зрения решаемых задач;
● быть ориентированой на психологию пользователя, простой и понятной ему;
● гарантировать отсутствие абсурдных результатов.
Структура математической модели.
Математическая модель представляет собой комбинацию следующих элементов:
● переменных (входных и выходных) – всегда имеют область определения;
● параметров – принимают числовые значения;
● функциональных зависимостей;
● ограничений (искусственных и естественных);
● целевых функций (в задачах оптимизации).
