творено ряд систем, які позбавляють дослідника від програмування. Програма створюється автоматично за однією з формалізованих схем на підставі задаються дослідником параметрів системи, зовнішніх впливів і особливостей функціонування. Вихідні дані видаються в тій чи іншій канонічній формі або в ході діалогу з ВС. За результатами машинного експерименту основні вихідні дані обчислюються і виводяться автоматично, додаткові - за вказівкою дослідника. Такі системи називають ще універсальними автоматизованими імітаційними моделями, або генераторами імітаційних програм.
Перед дослідниками систем, що використовують імітаційне моделювання, неминуче виникає завдання вибору відповідних програмних засобів моделювання. Велика кількість цих коштів, в більшості своїй реалізованих на різнотипних НД, відсутність вичерпної документації, єдиної методики порівняння існуючих систем значно ускладнює вирішення цього завдання. Зусиллями робочої групи Міжнародної асоціації по застосуванню математичних методів і обчислювальних машин в імітаційному моделюванні розроблені єдині класифікаційні таблиці для представлення коштів програмного забезпечення машинного моделювання, які дозволяють в компактній формі описати різні системи моделювання, особливості їх реалізації та застосування. p align="justify"> Програмні та технічні засоби моделювання вибираються з урахуванням ряду критеріїв. Неодмінна умова при цьому - достатність і повнота коштів для реалізації концептуальної та математичної моделі. Серед інших критеріїв можна назвати доступність засобів, наявність у дослідника інформації про ті чи інших засобах. Важливе значення має простота і легкість освоєння програмних засобів моделювання, швидкість і коректність створення програмної моделі, існування методики використання засобів для моделювання систем певного класу. p align="justify"> Після вибору мови розробляють програмну модель. Цей процес включає розробку алгоритму, конкретизацію форм представлення вхідних даних і результатів, написання і налагодження програми. Це важливий і трудомісткий етап, але за технологією він практично не відрізняється від будь-якого іншого програмування і тому тут детально не розглядається. br/>
. Перевірка адекватності і коректування моделі
Перевірка адекватності. Перевірка адекватності моделі системі полягає в аналізі її співмірності з досліджуваної системою, а також рівнозначності системі. Однак модель не повинна бути повним відображенням системи, інакше втрачається сенс її створення. Адекватність порушується через ідеалізації зовнішніх умов і режимів функціонування, виключення тих або інших параметрів, зневаги деякими випадковими чинниками. Відсутність точних відомостей про зовнішні дії, певні нюанси структури системи, прийняті апроксимації, інтерполяції, припущення і гіпотези теж ведуть до зменшення відповідності між моделлю і системою. Перелічені та інші фактори можуть стати причиною того, що результати моделювання будуть істотно відрізнятися від реальних.
Природною найпростішої мірою адекватності може служити відхилення деякої характеристики y 0 оригіналу і y m моделі:
В
або, що краще, ставлення відхилення до характеристики оригіналу
/y0
Тоді можна вважати, що модель адекватна з системою, якщо ймовірність того, що відхилення у не перевищує граничної величини, більше допустимої ймовірності Р:
В
Однак практичне використання даного критерію адекватності найчастіше неможливо з наступних причин.
перше, для проектованих або модернізованих систем відсутня інформація про значення характеристики У 0 , а моделюються, як правило, саме такі системи. Можна порівнювати характеристики моделі і деякої системи-аналога, але тоді буде однакова ступінь недовіри до цих характеристик. По-друге, система оцінюється не по одній, а по безлічі характеристик, у яких може бути різна величина відхилення. По-третє, характеристики можуть бути випадковими величинами та функціями, а часто і нестаціонарними функціями. Для стохастичних систем може виявитися, що статистичні характеристики, отримані на моделі з високим ступенем адекватності, більш точні, ніж відповідні характеристики, обчислені за результатами вимірювань на реальній системі Це пояснюється тим, що результати моделювання визначаються по великому числу реалізації, в той час як кількості вимірювань на реальній системі завжди обмежені. По-четверте, відсутня можливість апріорного точного завдання граничних. відхилень і допустимих ймовірностей Р.
Проте перевіряти адекватність необхідно, так як по невірних результатів моделювання можуть бути прийняті неправильні рішення. На практиці оцінка адекватності зазвич...
