Моделирование

Модели́рование — исследование объектов познания на их моделях; построение и изучение моделей реально существующих объектов, процессов или явлений с целью получения объяснений этих явлений, а также для предсказания явлений, интересующих исследователей.

Виды моделирования

Пример результата научного моделирования. Схема химических процессов и процессов переноса в атмосфере

В силу многозначности понятия «модель», в науке и технике не существует единой классификации видов моделирования: классификацию можно проводить по характеру моделей, по характеру моделируемых объектов, по сферам приложения моделирования (в технике, физических науках, кибернетике и так далее).

В настоящее время по технологии моделирования и области применения выделяют такие основные виды моделирования:

и др.

Процесс моделирования

Процесс моделирования включает три элемента:

субъект (исследователь),
объект исследования,
модель, определяющую (отражающую) отношения познающего субъекта и познаваемого объекта.

Первый этап построения модели предполагает наличие некоторых знаний об объекте-оригинале. Познавательные возможности модели обуславливаются тем, что модель отображает (воспроизводит, имитирует) какие-либо существенные черты объекта-оригинала. Вопрос о необходимой и достаточной мере сходства оригинала и модели требует конкретного анализа. Очевидно, модель утрачивает свой смысл как в случае тождества с оригиналом (тогда она перестаёт быть моделью), так и в случае чрезмерного во всех существенных отношениях отличия от оригинала. Таким образом, изучение одних сторон моделируемого объекта осуществляется ценой отказа от исследования других сторон. Поэтому любая модель замещает оригинал лишь в строго ограниченном смысле. Из этого следует, что для одного объекта может быть построено несколько «специализированных» моделей, концентрирующих внимание на определённых сторонах исследуемого объекта или же характеризующих объект с разной степенью детализации.

На втором этапе модель выступает как самостоятельный объект исследования. Одной из форм такого исследования является проведение «модельных» экспериментов, при которых сознательно изменяются условия функционирования модели и систематизируются данные о её «поведении». Конечным результатом этого этапа является множество (совокупность) знаний о модели.

На третьем этапе осуществляется перенос знаний с модели на оригинал — формирование множества знаний. Одновременно происходит переход с «языка» модели на «язык» оригинала. Процесс переноса знаний проводится по определённым правилам. Знания о модели должны быть скорректированы с учётом тех свойств объекта-оригинала, которые не нашли отражения или были изменены при построении модели.

Четвёртый этап — практическая проверка получаемых с помощью моделей знаний и их использование для построения обобщающей теории объекта, его преобразования или управления им.

Моделирование — циклический процесс. Это означает, что за первым четырёхэтапным циклом может последовать второй, третий и т. д. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта или ошибками в построении модели, можно исправить в последующих циклах.

Сейчас трудно указать область человеческой деятельности, где не применялось бы моделирование. Разработаны, например, модели производства автомобилей, выращивания пшеницы, функционирования отдельных органов человека, жизнедеятельности Азовского моря, последствий атомной войны. В перспективе для каждой системы могут быть созданы свои модели, перед реализацией каждого технического или организационного проекта должно проводиться моделирование.

Основы научного моделирования

Моделирование для прямых измерений и экспериментов

Модели обычно используются, когда невозможно или непрактично создавать экспериментальные условия, при которых учёные могут непосредственно измерять результаты. Прямое измерение результатов в контролируемых условиях (см. Научный метод) всегда будет более надёжным, чем смоделированные оценки результатов.

В моделировании и симуляции модель представляет собой целенаправленное упрощение и абстрагирование восприятия реальности, обусловленное физическими и когнитивными ограничениями.^[1] Моделирование — управляемая задача, потому что модель направлена на решения определённых заданных вопросов или задач.

Упрощения призваны опустить все известные и наблюдаемые сущности и их отношения, которые не важны для рассматриваемой задачи. Абстракция агрегирует информацию, которая важна, но не нужна в той же детализации, что и объект исследования. Оба действия, упрощение и абстракция выполняются целенаправленно. Однако они сделаны на основе восприятия реальности. Это восприятие уже само по себе является моделью, поскольку оно связано с физическими ограничениями.

Существуют также ограничения на то, что мы можем формально наблюдать с помощью нашего текущего инструментария и методов, а также в виде когнитивных барьеров, которые ограничивают то, что мы можем объяснить существующими научными теориями. Такая модель включает сущности, их поведение и их формальные отношения и часто упоминается как концептуальная модель. Чтобы создать такую модель, она должна быть реализована через компьютерное моделирование. Для этого требуется большая выборка через применение, например численной аппроксимации или использование эвристики.^[2] Несмотря на все эти эпистемологические и вычислительные ограничения, симуляция была признана в качестве одного из трёх ключевых компонентов научных методов: построение теории, моделирование и экспериментирование^[3].

Симуляция

Симуляция (синоним — имитационное моделирование) — это комплексные процессы поведения модели в рамках заданных условий моделирования. Статичная симуляция предоставляет информацию о системе в определённый заданный момент времени (обычно при равновесии, если такое состояние существует). Динамическая симуляция предоставляет информацию в ходе течения времени. Симуляция приводит модель к жизни и показывает, как будет вести себя конкретный объект или явление. Симуляция может быть полезна для тестирования, анализа или обучения в тех случаях, когда объекты или концепции реального мира могут быть представлены в виде их моделей^[4].

Структура

Структура является фундаментальным, но зачастую неосязаемым понятием, которое вбирает в себя распознавание, наблюдение, происхождение, сохранение постоянства закономерностей и отношений моделируемых сущностей. От словесного описания ребёнком снежинки до детального научного анализа свойств магнитных полей, понятие структуры является основой почти каждого способа исследования и открытия в науке, философии и искусстве^[5].

Системы

Система представляет собой набор взаимодействующих или взаимозависимых сущностей, реальных или абстрактных, образующих интегрированное целое. В общем, система представляет собой конструкцию или набор различных элементов, которые вместе могут приводить к результатам, которые не могут быть получены только самими элементами.^[6] Концепцию «интегрированного целого» можно также сформулировать в терминах системы, воплощающей набор отношений, которые отличаются от отношений множества к другим элементам и от отношений между элементом множества и элементами, не входящими в состав реляционного режима. Существует два типа системных моделей: 1) дискретный, в котором переменные мгновенно меняются в отдельные моменты времени и 2) непрерывный, когда переменные состояния непрерывно изменяются по времени.^[7]

Создание модели

Моделирование — это процесс создания модели как концептуального представления некоторого явления. Обычно модель будет иметь дело только с некоторыми аспектами рассматриваемого явления, и две модели одного и того же явления могут существенно отличаться, то есть различия между ними будут не только в простом переименовании их составляющих компонентов.

Такие отличия могут быть вызваны различными требованиями конечных пользователей данной модели или концептуальными или эстетическими отличительными предпочтениями создателей модели и их решениями, принятыми в ходе процесса моделирования. Соображения создателей, которые могут повлиять на структуру модели, могут быть в области личных профессиональных предпочтений для, например, применения сокращённой онтологии, или предпочтений в отношении применения статистических моделей по сравнению с детерминированными, дискретных по сравнению с непрерывными и т. д. В любом случае пользователям модели необходимо понять сделанные создателями предположения, которые направлены на то или иное использование модели.

Для построения модели требуется абстракция. Предположения используются в моделировании, чтобы указать область применения модели. Например, специальная теория относительности принимает инерциальную систему отсчёта. Это предположение было контекстуализировано и далее объяснено общей теорией относительности. Модель делает точные предсказания, когда её допущения действительны и, с большой вероятностью, не дают точных прогнозов, когда её предположения не выполняются. Такие предположения часто совпадают с тем моментом, когда старые теории сменяются новыми (к слову, общая теория относительности работает и в неинерциальных системах отсчёта).

Оценка модели

Модель оценивается в первую очередь по её согласованности с эмпирическими данными; любая модель, несовместимая с воспроизводимыми наблюдениями, должна быть изменена или отклонена. Один из способов изменить модель — это ограничение области применения, над которой она совпадает с наблюдениями с высокой степенью достоверности. Например, ньютоновская физика, которая очень полезна, за исключением очень малых, очень быстрых и очень массивных явлений мира. Тем не менее, соответствие только эмпирическим данным недостаточно для того, чтобы модель была принята как действительная. Другие факторы, важные при оценке модели, включают:

Возможность объяснения прошлых наблюдений
Возможность прогнозирования будущих наблюдений
Стоимость использования, особенно в сочетании с другими моделями
Опровержимость, позволяющая оценить степень достоверности модели
Простота или даже эстетическая привлекательность

Исходя из перечисленных критериев, пользователь модели может попытаться количественно оценить её с помощью функции полезности, определив для себя приоритетность (веса) переменных.

Визуализация

Визуализация — это любой способ создания изображений, диаграмм или анимаций для коммуникационного сообщения. Визуализация с помощью образов была эффективным способом коммуникационного обмена как абстрактными, так и конкретными идейными сущностями с самого начала истории человечества — пещерные картины, египетские иероглифы, греческая геометрия и революционные методы технического перевода Леонардо да Винчи для инженерных и научных задач.

Пространственный маппинг

Пространственный маппинг относится к методологии, в которой используется «квази-глобальная» методика для увязки сопутствующей «грубой» (идеальной или с низкой точностью) с «высокоточной» (практической или с высокой точностью) моделями различных сложностей. В инженерной оптимизации маппинг выравнивает (отображает) очень быстро грубую модель с её связанной дорогостоящей вычислительной высокоточной моделью, чтобы избежать прямой дорогостоящей процедуры оптимизации такой модели. Процесс маппинга итеративно уточняет грубую модель (суррогатная модель) сопоставляя её с высокоточной.

Примечания

↑ Tolk, A. Learning something right from models that are wrong – Epistemology of Simulation (англ.) // Concepts and Methodologies in Modeling and Simulation. Springer–Verlag. — 2015. — С. pp. 87–106.
↑ Oberkampf, W. L., DeLand, S. M., Rutherford, B. M., Diegert, K. V., & Alvin, K. F. Error and uncertainty in modeling and simulation (англ.) // Reliability Engineering & System Safety 75(3). — 2002. — № 75(3). — С. 333–57.
↑ Ihrig, M. A New Research Architecture For The Simulation Era (англ.) // European Council on Modelling and Simulation. — 2012. — С. pp. 715–20.
↑ DEFENSE ACQUISITION UNIVERSITY PRESS FORT BELVOIR, VIRGINIA. SYSTEMS ENGINEERING FUNDAMENTALS. — 2001. Архивировано 27 сентября 2007 года.
↑ Pullan Wendy. Structure. — Cambridge: Cambridge University Press. — 2000. — ISBN 0-521-78258-9.
↑ Fishwick PA. Simulation Model Design and Execution: Building Digital Worlds. — Upper Saddle River, NJ: Prentice Hall.. — 1995.
↑ Sokolowski, J.A., Banks, C.M. Principles of Modelling and Simulation. — Hoboken, NJ: John Wiley and Sons.. — 2009.

Литература

Глинский Б. А. Моделирование как метод научного исследования. М., 1965;
Кодрянц И. Г. Философские вопросы математического моделирования. Кишинев, 1978;
Мамедов Н. М. Моделирование и синтез знаний. Баку, 1978;
Самарский А. А., Михайлов А. П. Математическое моделирование: Идеи. Методы. Примеры. — М.: Наука, 1997. — 320 с. — ISBN 5-9221-0120-X.
Уемов А. И. Логические основы метода моделирования. М., 1971
Аристов А. О. Теория квазиклеточных сетей : научная монография — М: МИСиС, 2014. — 188с. ISBN 978-5-600-00321-7
Кононюк А. Е. Обобщённая теория моделирования. Начала. К.1. Ч.1. «Освіта України», 2012. — 602 с. ISBN 978-966-7599-50-8

Ссылки

[1] Tolk, A. Learning something right from models that are wrong – Epistemology of Simulation (англ.) // Concepts and Methodologies in Modeling and Simulation. Springer–Verlag. — 2015. — С. pp. 87–106.

[2] Oberkampf, W. L., DeLand, S. M., Rutherford, B. M., Diegert, K. V., & Alvin, K. F. Error and uncertainty in modeling and simulation (англ.) // Reliability Engineering & System Safety 75(3). — 2002. — № 75(3). — С. 333–57.

[3] Ihrig, M. A New Research Architecture For The Simulation Era (англ.) // European Council on Modelling and Simulation. — 2012. — С. pp. 715–20.

[4] DEFENSE ACQUISITION UNIVERSITY PRESS FORT BELVOIR, VIRGINIA. SYSTEMS ENGINEERING FUNDAMENTALS. — 2001. Архивировано 27 сентября 2007 года.

[5] Pullan Wendy. Structure. — Cambridge: Cambridge University Press. — 2000. — ISBN 0-521-78258-9.

[6] Fishwick PA. Simulation Model Design and Execution: Building Digital Worlds. — Upper Saddle River, NJ: Prentice Hall.. — 1995.

[7] Sokolowski, J.A., Banks, C.M. Principles of Modelling and Simulation. — Hoboken, NJ: John Wiley and Sons.. — 2009.

[1]

[2]

[3]

[4]

[5]

[6]

[7]