Modellering

Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från versionen som granskades den 19 oktober 2018; verifiering kräver 61 redigeringar .

Modellering  - studiet av kunskapsobjekt på deras modeller ; konstruktion och studier av modeller av verkliga objekt, processer eller fenomen för att få förklaringar till dessa fenomen, samt för att förutsäga fenomen av intresse för forskare.

Typer av modellering

På grund av tvetydigheten i begreppet "modell" finns det inom vetenskap och teknik ingen enskild klassificering av typer av modellering: klassificering kan utföras i enlighet med modellens natur, arten av objekten som modelleras och områdena tillämpning av modellering (inom teknik , fysik , cybernetik , etc.).

För närvarande, enligt modelleringstekniken och omfattningen, särskiljs följande huvudtyper av modellering:

och så vidare.

Modelleringsprocess

Modelleringsprocessen innehåller tre delar:

Det första steget av att bygga en modell förutsätter viss kunskap om det ursprungliga objektet. Modellens kognitiva förmågor bestäms av det faktum att modellen visar (reproducerar, imiterar ) alla väsentliga egenskaper hos det ursprungliga objektet. Frågan om nödvändig och tillräcklig grad av likhet mellan originalet och modellen kräver en specifik analys. Uppenbarligen förlorar modellen sin mening både vid identitet med originalet (då upphör den att vara en modell), och vid en alltför stor skillnad från originalet i alla väsentliga avseenden. Således utförs studien av vissa aspekter av det modellerade objektet till priset av att vägra att studera andra aspekter. Därför ersätter varje modell originalet endast i en strikt begränsad mening. Av detta följer att flera ”specialiserade” modeller kan byggas för ett objekt, som fokuserar uppmärksamheten på vissa aspekter av objektet som studeras eller karaktäriserar objektet med varierande detaljeringsgrad.

I det andra steget fungerar modellen som ett självständigt studieobjekt. En av formerna för en sådan studie är genomförandet av "modellexperiment" , där villkoren för modellens funktion ändras medvetet och data om dess "beteende" systematiseras. Slutresultatet av detta steg är en uppsättning (uppsättning) kunskap om modellen.

I det tredje steget genomförs överföringen av kunskap från modellen till originalet - bildandet av en uppsättning kunskap. Samtidigt sker en övergång från modellens "språk" till originalets "språk". Processen att överföra kunskap utförs enligt vissa regler. Kunskapen om modellen måste korrigeras med hänsyn till de egenskaper hos det ursprungliga objektet som inte reflekterades eller ändrades under konstruktionen av modellen.

Det fjärde steget är den praktiska verifieringen av den kunskap som erhållits med hjälp av modeller och deras användning för att bygga en allmän teori om objektet, dess transformation eller kontroll.

Modellering är en cyklisk process . Detta innebär att den första fyrstegscykeln kan följas av den andra, tredje etc. Samtidigt utökas och förfinas kunskapen om det föremål som studeras och den ursprungliga modellen förbättras successivt. Brister som upptäcks efter den första cykeln av modellering, på grund av liten kunskap om objektet eller fel i konstruktionen av modellen, kan korrigeras i efterföljande cykler.

Nu är det svårt att ange området för mänsklig aktivitet där modellering inte skulle tillämpas. Till exempel har modeller utvecklats för produktion av bilar, odling av vete, funktionen hos enskilda mänskliga organ, livet i Azovhavet , konsekvenserna av ett atomkrig . I framtiden, för varje system, kan deras egna modeller skapas, innan genomförandet av varje tekniskt eller organisatoriskt projekt bör modellering utföras.

Grunderna i vetenskaplig modellering

Simulering för direkta mätningar och experiment

Modeller används vanligtvis när det inte är möjligt eller praktiskt att skapa experimentella förhållanden under vilka forskare direkt kan mäta resultat. Direkt mätning av resultat under kontrollerade förhållanden (se Vetenskaplig metod ) kommer alltid att vara mer tillförlitlig än simulerade uppskattningar av resultat.

I modellering och simulering är en modell en målmedveten förenkling och abstraktion av verklighetsuppfattningen på grund av fysiska och kognitiva begränsningar. [1] Modellering är uppgiftsstyrd eftersom modellen syftar till att lösa vissa givna frågor eller problem.

Förenklingar är avsedda att utelämna alla kända och observerbara enheter och deras relationer som inte är viktiga för det aktuella problemet. Abstraktion samlar information som är viktig men inte behövs i samma detalj som studieobjektet. Båda handlingar, förenkling och abstraktion, utförs målmedvetet. De är dock gjorda utifrån verklighetsuppfattningen. Denna uppfattning är redan en modell i sig, eftersom den är förknippad med fysiska begränsningar.

Det finns också gränser för vad vi formellt kan observera med våra nuvarande verktyg och metoder, samt kognitiva barriärer som begränsar vad vi kan förklara med befintliga vetenskapliga teorier. En sådan modell inkluderar entiteter, deras beteende och deras formella relationer, och kallas ofta för en konceptuell modell. För att skapa en sådan modell måste den implementeras genom datorsimulering. Detta kräver ett stort urval genom en applikation som numerisk approximation eller användning av heuristik . [2] Trots alla dessa epistemologiska och beräkningsmässiga begränsningar har simulering erkänts som en av de tre nyckelkomponenterna i vetenskapliga metoder: teoribyggnad, modellering och experiment. [3]

Simulering

Simulering (synonymt med simuleringsmodellering) är en komplex process av modellbeteende under givna modelleringsförhållanden. En statisk simulering ger information om ett system vid en given tidpunkt (vanligtvis vid jämvikt, om ett sådant tillstånd existerar). Dynamisk simulering ger information över tiden. Simulering väcker modellen till liv och visar hur ett visst objekt eller fenomen kommer att bete sig. Simulering kan vara användbar för testning, analys eller lärande när verkliga objekt eller koncept kan representeras som modeller [4] .

Struktur

Struktur är ett grundläggande, men ofta immateriellt koncept som inkluderar igenkänning, observation, genesis , bevarandet av beständigheten i mönster och relationer mellan modellerade enheter. Från ett barns verbala beskrivning av en snöflinga till en detaljerad vetenskaplig analys av magnetfältens egenskaper , är begreppet struktur grunden för nästan varje sätt att utforska och upptäcka inom vetenskap , filosofi och konst . [5]

System

Ett system är en uppsättning interagerande eller ömsesidigt beroende enheter, verkliga eller abstrakta, som bildar en integrerad helhet. I allmänhet är ett system en konstruktion eller en uppsättning av olika element som tillsammans kan leda till resultat som inte kan erhållas av elementen själva. [6] Begreppet en "integrerad helhet" kan också formuleras i termer av ett system som förkroppsligar en uppsättning av relationer som är distinkta från relationerna mellan mängden till andra element och från relationerna mellan ett element i mängden och elementen som inte är en del av relationsläget. Det finns två typer av systemmodeller: 1) diskreta, där variabler ändras momentant vid olika tidpunkter, och 2) kontinuerliga, när tillståndsvariabler ändras kontinuerligt över tiden. [7]

Skapa en modell

Modellering är processen att skapa en modell som en konceptuell representation av något fenomen. Vanligtvis kommer en modell bara att behandla vissa aspekter av fenomenet som övervägs, och två modeller av samma fenomen kan skilja sig markant, det vill säga skillnaderna mellan dem kommer inte bara att ligga i det enkla namnbytet av deras beståndsdelar.

Sådana skillnader kan bero på olika krav från slutanvändarna av en given modell, eller på konceptuella eller estetiska distinkta preferenser hos modellens skapare och deras beslut som fattas under modelleringsprocessen. Designers överväganden som kan påverka modellens utformning kan ligga inom området personliga professionella preferenser för till exempel användningen av en reducerad ontologi, eller preferenser gällande användningen av statistiska modeller kontra deterministiska, diskreta kontra kontinuerliga. , etc. I vilket fall som helst måste användare av modellen förstå de antaganden som görs av skaparna som styr användningen av modellen.

Abstraktion krävs för att bygga en modell. Antaganden används vid modellering för att indikera modellens omfattning. Till exempel tar speciell relativitetsteori en tröghetsreferensram. Detta antagande kontextualiserades och förklarades ytterligare av allmän relativitet. Modellen gör korrekta förutsägelser när dess antaganden är giltiga och är mer sannolikt att misslyckas med att göra korrekta förutsägelser när dess antaganden inte uppfylls. Sådana antaganden sammanfaller ofta med det ögonblick då gamla teorier ersätts med nya (förresten, generell relativitetsteori fungerar också i icke-tröghetsreferensramar).

Modelluppskattning

Modellen utvärderas främst på dess överensstämmelse med empiri; alla modeller som inte är förenliga med reproducerbara observationer bör ändras eller förkastas. Ett sätt att förändra modellen är att begränsa omfattningen över vilken den matchar observationer med en hög grad av tillförsikt. Till exempel, newtonsk fysik, som är mycket användbar, förutom mycket små, mycket snabba och mycket massiva fenomen i världen. Enbart passning med empiri räcker dock inte för att modellen ska accepteras som giltig. Andra faktorer som är viktiga när man utvärderar en modell inkluderar:

Baserat på ovanstående kriterier kan användaren av modellen försöka kvantifiera den med hjälp av verktygsfunktionen och själv bestämma prioritet (vikt) av variablerna.

Visualisering

Visualisering  är något sätt att skapa bilder, diagram eller animationer för ett kommunikationsmeddelande. Visualisering med bilder har varit ett effektivt sätt att kommunicera både abstrakta och konkreta idémässiga enheter sedan början av mänsklighetens historia - grottmålningar, egyptiska hieroglyfer , grekisk geometri och Leonardo da Vincis revolutionerande metoder för teknisk översättning för tekniska och vetenskapliga uppgifter.

Rumslig kartläggning

Rumslig kartläggning avser en metod som använder en "kvasi-global" teknik för att koppla åtföljande "grova" (ideal eller låg trohet) till "high fidelity" (praktisk eller high fidelity) modeller av varierande komplexitet. Vid ingenjörsoptimering justerar (visar) mappning en grov modell mycket snabbt med dess tillhörande dyra beräkningsmässiga högfientlighetsmodell för att undvika direkt kostsam optimering av en sådan modell. Kartläggningsprocessen förfinar iterativt den grova modellen (surrogatmodellen) genom att jämföra den med den högprecisionsmodellen.

Se även

Anteckningar

  1. Tolk, A. Att lära sig något rätt från modeller som är fel – Epistemology of Simulation  //  Concepts and Methodologies in Modeling and Simulation. Springer-Verlag. - 2015. - S. pp. 87–106 .
  2. Oberkampf, WL, DeLand, SM, Rutherford, BM, Diegert, KV, & Alvin, KF Fel och osäkerhet i modellering och simulering  //  Reliability Engineering & System Safety 75(3). - 2002. - Nr 75 (3) . — S. 333–57 .
  3. Ihrig, M. En ny forskningsarkitektur för simuleringseran  //  Europeiska rådet om modellering och simulering. - 2012. - S. pp. 715–20 .
  4. FÖRSVARSFÖRVÄRV UNIVERSITETSPRESS FORT BELVOIR, VIRGINIA. SYSTEMTEKNISKA GRUNDLÄGGANDE . – 2001.
  5. Pullan Wendy. strukturera. — Cambridge: Cambridge University Press. - 2000. - ISBN 0-521-78258-9 .
  6. Fishwick P.A. Simulation Model Design and Execution: Building Digital Worlds. - Upper Saddle River, NJ: Prentice Hall.. - 1995.
  7. Sokolowski, JA, Banks, CM Principer för modellering och simulering. - Hoboken, NJ: John Wiley and Sons.. - 2009.

Litteratur

Länkar