6.2 Требования, предъявляемые к математическим моделям

Как уже отмечалось процесс моделирования состоит из двух фаз. Первая фаза заключается в построении самой математической модели. На второй фазе проводится оперирование построенной моделью (при использова­нии ЭВМ можно говорить о проведении "вычислительного эксперимен­та") для получения необходимых данных об исследуемом объекте в форме конкретных числовых значений выходных параметров объекта и их зависимостей от входных внешних воздействий и внутренних па­раметров.

Рассмотрим ряд особенностей этих двух фаз.

Требования, предъявляемые к математическим моделям

Формулирование совокупности требований к математической мо­дели является важным элементом в процессе ее построения. Часть из этих требований носит универсальный харак­тер, т.е. справедлива по отношению к любой математической модели, а часть обусловлена использованием ЭВМ в качестве инструмента мо­делирования.

Основными требованиями к математической модели являют­ся требования точности, универсальности, экономичности.

Точность математической модели определяется степенью откло­нения полученных с ее помощью значений параметров моделируемого объекта от истинных значений этих параметров. Таким образом, если в качестве оценки параметра объекта y_i выбирается величи­на y*_i , полученная в результате моделирования, то для оценки точности будем использовать величину = (y_i - y*_i). При определении точности модели необходимо учитывать ряд обстоятельств. Первое обстоятельство связано с тем, что точность модели в большинстве случаев моделирования сложных объектов приходится определять в условиях, когда эти объекты характеризуются несколькими парамет­рами. Следовательно, возникает задача оценки точности по несколь­ким критериям (т.е. векторной оценки).

В качестве критерия точности при многокритериальной оценке математической модели может быть использована либо т - норма вектора, т.е. = max , либо - норма, т.е. = , где ( i = 1,2, …,n), = (y_i - y*_i), y_i - выходной параметр объекта.

Второе обстоятельство является в значительной мере следстви­ем требования универсальности моделей. Использование моделей клас­сов объектов или их элементов может приводить к неоднозначности оценки точности, поскольку в рамках класса характер проявления отдельных свойств объектов может колебаться в широких пределах, что в свою очередь сказывается на точности отображения этих свойств в модели. Таким образом, оценка точности подобных моде­лей может быть неоднозначной.

Третье обстоятельство обусловлено проблемой получения истин­ных значений параметров, с которыми сравниваются результаты моделирования. Чтобы получить эти значения необходимо провести с объектом эксперимент, погрешности которого не должны превышать ожидаемых потребностей математического моделирования. Однако это возможно далеко не всех случаях.

И, наконец, четвертое обстоятельство имеет место при статистическом моделировании случайных явлений или процессов. Здесь точность оценок вероятностей появления неко­торого события, среднего значения, дисперсий и других характери­стик случайных величин зависит от числа реализации процесса на модели и необходимой достоверности этих оценок. Например, при оценке вероятности р появления случайного события точность определяется по формуле

= t , где t - величина, зависящая от достоверности оценки, N = число реализаций модели.

Уменьшение необходимого числа реализации и, следовательно, затрат машинного времени достигается за счет целесообразного построения модели, в частности, выбором для оценки параметров случайных величин, имеющих возможно меньшую дисперсию.

Отметим, что в общем случае погрешности при моделировании зависят от ряда причин: неполного соответствия модели и объекта, неточности задания исходных параметров модели, случайного харак­тера результатов моделирования,

Вторым требованием является требование универсальности мате­матической модели, которое обусловлено большой трудоемкостью построения моделей. Поэтому с практической точки зрения окажется неприемлемым использование моделей, «настроенных» на узкий диапа­зон условий моделирования и требующих их существенной доработки при выходе за границы этого диапазона. В особенности это относит­ся к моделям элементов сложных систем, которые могут быть исполь­зованы в различных сочетаниях в соответствии со структурой моде­лируемой системы. Решение данной проблемы может лежать на пути создания некоторых универсальных схем в качестве моделей требуе­мого класса объектов. В пределе, при точной параметриза­ции объекта задание конкретной модели будет состоять в перечис­лении и задании параметров, полностью определяющих модель.

Требование экономичности математических моделей связано с необходимостью ограничить или минимизировать затраты машинного времени и памяти ЭВМ при использовании моделей. В качестве косвенного показателя экономичности может служить сложность модели, в частности, количество используемых параметров, количество внут­ренних связей и т.д. Экономичность зависит также от выбора языка программирования, эффективности использования стандартного программного обеспечения, общего построения программы. При статистическом моделировании сокращение числа реализации модели дости­гается, например, путем выбора оцениваемых параметров случайных величин и вероятностей случайных событий.

Отметим в заключение, что указанные требования в целом противоречивы. Например, с целью повышения экономичности модели, как правило, необходимо ее упрощение, однако подобное упрощение влечет за собой как невозможность получения отдельных характери­стик, так и появлением дополнительных погрешностей. И наоборот, желание получить универсальную и точную модель неизбежно ведет к ее усложнению, а следовательно, к росту объема вычислений и зани­маемой памяти ЭВМ. Построение моделей, в которых достигается при­емлемый баланс между всеми требованиями, производится обычно на основе эвристических принципов . Например, рекомендуется выбирать модель минимальной сложности при заданной точности, ли­бо максимальной точности при заданной сложности. Кроме того, рекомендуется соблюдать соразмерность погрешно­стей, вызываемых различными причинами.