2.1 Этапы построения, свойства, цели и классификация моделей
Различают три этапа построения модели: Гипотеза (см. главу 1) - Аналогия - Модель
Аналогия - представление о каком-либо частном сходстве двух объектов. Существенность сходства или различия двух объектов условна и зависит от уровня абстрагирования.
Модель - такой материальный или мысленно представляемый объект, который в процессе познания (изучения) замещает объект-оригинал, сохраняя некоторые важные для данного исследования типичные его черты так, что его непосредственное изучение дает новые знания об объекте-оригинале
Любая модель нетождественна объекту-оригиналу и, значит, неполна, но она должна быть адекватной, то есть должна правильно отражать важные для данного исследования черты объекта-оригинала
Цели моделирования:
1) - изучить поведения процессов и явлений, выявление наиболее существенных факторов законы развития, саморазвития и взаимодействия с окружающей средой;
2) научиться управлять объектом или процессом, определять наилучшие способы управления при заданных целях и критериях;
3) прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект.
Свойства модели:
- нетождественность;
- адекватность;
- предсказательность (потенциальность, "богатство" модели).
При создании математической модели используются экспериментальные данные, характеризующие объект. В таких случаях иногда ошибочно утверждают, что математическая модель не может дать ничего сверх того, что в нее первично заложено на основе экспериментальных данных. В действительности математические модели обладают предсказательной способностью.
Классификации моделей очень условна и не отражает всего их многообразия. По выражению А.И. Герцена "К великой горести всех систематиков нет никаких строго проведенных межей и граней", но тем не менее попыток систематизации имеется великое множество - новая схема
Формальная классификация основывается на названии используемых математических средств:
- Линейные или нелинейные;
- Модели с сосредоточенными (описываю динамику процесса, системы обыкновенных дифференциальных уравнений) или распределёнными параметрами;
- Детерминированные или стохастические;
- Статические или динамические;
- Дискретные или непрерывные;
Классификация по способу представления объекта:
- структурная модель (отражает механизм процесса);
- функциональная (отражает только внешне воспринимаемое поведение объекта, разновидность функциональной модели - имитационная модель типа «чёрный ящик»);
- формальная (финальная математическая конструкция);
- содержательная (по этапам построения модели), которая в свою очередь, подразделяется следующим образом:
- гипотеза,
- феноменологическая модель (содержит механизм для описания явления, имеют статус вре́менных решений),
- приближение,
- упрощение,
- эвристическая модель (количественного подтверждения нет, но модель способствует более глубокому проникновению в суть дела),
- аналогия,
- мысленный эксперимент,
- демонстрация возможности модели, показывающая её внутреннюю непротиворечивость.
Кроме того модели классифицируются:
- по степени жёсткости
- по степени универсальности
- по направлению решения задачи (прямая или обратная).
Четыре этапа процесса моделирования:
- построение модели;
- исследование модели;
- перенос знаний с модели на оригинал;
- практическое использование получаемых знаний: для построения обобщающей теории объекта, его преобразования или управления им.
Моделирование как циклический процесс: за первым четырехэтапным циклом может последовать второй, третий и т.д
Взаимосвязь моделей различного типа имеет довольно сложный характер. (Схема из Трусова)
- Методология исследования, моделирования и совершенствования производственных процессов
- Оглавление
- Глава 1 Общие сведения о методологии научного познания……………….6
- Глава 2 Моделирование как метод научного познания………………………11
- Глава 3 Исследование взаимосвязи случайных величин…………….22
- Глава 4 Способы экспериментальных исследований…………………88
- Глава 5 Некоторые современные достижения интеллектуальных информационных систем и программных средств в области анализа связи величин
- Введение
- Глава 1. Общие сведения о методологии научного познания
- 3. Статистический.
- 7. Экспериментальный.
- Глава 2 Моделирование как метод научного познания
- 2.1 Этапы построения, свойства, цели и классификация моделей
- 2.2 Концепции и инструменты оптимизации математических моделей
- 2.3 Принципы анализа математических моделей
- Глава 3. Исследование взаимосвязи случайных величин
- 3.1 Основные представления о корреляционном, дисперсионном и регрессионном анализах
- 3.2 Корреляционный анализ
- 3.2.1 Обзор характеристик «тесноты» связи
- 3.2.2. Формулы расчёта основных характеристик связи
- 3.2.3. Области определения и способы оценки достоверности коэффициентов связи случайных величин
- 3.2.4 Методы корреляции порядковых (ординальных) и номинальных (категориальных) переменных
- 3.2.5 Функции и инструменты ms excel, предназначенные для расчёта коэффициентов ковариации, корреляции и детерминации
- 3.3 Дисперсионный анализ
- 3.3.1. Виды классического дисперсионного анализа
- 3.3.2. Инструменты программы ms excel, предназначенные для дисперсионного анализа
- 3.3.2.1. «Однофакторный дисперсионный анализ»
- 3.3.2.2. «Двухфакторный дисперсионный анализ без повторений»
- 3.3.2.3. «Двухфакторный дисперсионный анализ с повторениями»
- 3.3.3. Представление о ступенчатом дисперсионном анализе
- 3.4 К установлению математической модели связи случайных величин
- 3.4.1. Виды регрессионных моделей
- 3.4.2. Способы, принципы и признаки оптимизации регрессии
- 3.4.3 Опции программы ms excel, предназначенные для регрессионного анализа
- 3.4.3.1 Использование инструмента анализа «Регрессия»
- 3.4.3.2 Функции excel, связанные с инструментом «Регрессия»
- 3.4.3.3 Возможности использования графических опций программы ms excel для решения задач регрессионного анализа
- Глава 4 Способы экспериментальных исследований
- 4.1 Пассивный эксперимент
- 4.1.1 Методы анализа результатов пассивного эксперимента
- 4.1.2. Информативность результатов пассивного производственного эксперимента
- 4.2 Планирование эксперимента и методы оптимизации параметров процесса
- 4.2.1 Методология планирования эксперимента
- 4.2.2 Полный факторный эксперимент
- 4.2.3 Дробный факторный эксперимент
- 4.2.4. Центральные композиционные планы
- 4.3 Оптимизация работы объекта управления для одного и нескольких параметров оптимизации для одно- и многоэкстремальной поверхности отклика
- 4. 4 Алгоритмы решения задач установления функциональных зависимостей и оптимизации
- Глава 6
- Глава 7
- Глава 8
- Глава 9 Современные достижения в области промышленной статистики и новые программные средства их реализации.