где х – количество товара, t - время, А,Р – константы.
Рис. 6. Пример
Эта функция описывается «затухающей кривой». Было показано, что она описывает ряд общественных и экономических процессов, например, насыщение рынка книгами по специальным дисциплинам и т.п., если выполняются такие условия, как
незаменимость товара,
неизменность цен;
отсутствие спекулятивных перепродаж;
приобретение каждым покупателем равного количества;
отсутствие повторных покупок товара.
Разумеется, это достаточно примитивное уравнение, которое не соответствует подвижному и динамическому равновесию. Для построения более адекватных моделей с равновесием необходимо использование обратных связей.
модели с обратной связью.
Если при составлении модели попытаться учесть внутреннюю структуру и отойти от модели «черного ящика» и поставить одни параметры («входы») в зависимость от других («выходы») получим модель с обратной связью (рис. 7).
Рис. 7. Модель с обратной связью
Если результат меньше эталона, то за счет регулирования подается сигнал, увеличивающий интенсивность входа. Если больше эталона – подается сигнал, уменьшающий интенсивность входа. Обратная связь положительна, если возрастающие результаты увеличивают интенсивность входа и отрицательна, если возрастающие результаты ослабляют интенсивность входа.
В сложных системах можно выделить несколько последовательно и параллельно связанных между собой контуров обратной связи, т.е. сложные системы являются многоконтурными.
Оптимизационные модели
Оптимизационные модели охватывают модели, математический аппарат которых позволит решать задачи оптимального управления моделируемым объектом. Они применяются при решении экономических, технических задач, проблем взаимодействия природы и общества. Их построение основано на использовании методов математического программирования (линейного, нелинейного и динамического программирования) при .исследовании систем, описанных дифференциальными уравнениями. Другим примером оптимизационных моделей являются модели, построенные с помощью теории игр. В общем случае они тоже не исключают вероятностного подхода.
4.Модели макрокинетики трансформации веществ и потоков энергии.
К этим моделям относятся модели прогнозирования зон неуправляемого распространения потоков энергии и вредных веществ, прогнозирования концентрации вредных веществ в техносфере. Подобные модели применяются также при моделировании водных экосистем, распространения загрязнителей воздушной среды. Это модели, математическим аппаратом построения которых являются уравнения диффузии. Применение этих моделей ограничено, во-первых, необходимостью при их построении делать ряд допущений в общем случае неверных в реальных ситуациях (например, допущение об отсутствии влияния примесей на скоpoсть течения воды, хотя в реальных условиях в реках, озерах движение воды сплошь и рядом вызвано именно различиями в мутности), Во-вторых, существуют и чисто математические трудности решения систем уравнений в частных производных, каковыми являются уравнения диффузии. Например, непростая проблема выбора шага моделирования (интегрирования) при существенно различных характерных временах изменения параметров системы.
Статистические модели
Статистические модели том, что исследуемый процесс случаен и исследуется статистическими методами, в частности, так называемыми методами Монте-Карло. Наиболее успешно последние применяются при неполной информации о соответствующих объектах. Существует мнение, что статистические модели эффективны именно при этих условиях. Здесь возникает вопрос, сколь подробную информацию об объекте вообще нужно учитывать в модели и в какой ситуации можно говорить о недостатке информации. При построении и использовании статистических моделей возникают следующие проблемы: во-первых, необходим обширный фактический естественный материал, позволяющий провести его корректную статистическую обработку; во-вторых, установленные зависимости; верные для одной системы не всегда будут верны для другой, Например, в экологии смена одной экосистемы другой (например, смена сукцессий) не всегда может быть передана прежней моделью.
При моделировании процессов в техносфере необходимо не только определить размер ущерба и зон поражения, но и определить вероятность определенного ущерба. Это видно из самой структуры формулы риска:
{Риск} = {вероятность события}´{значимость события}.
Кроме того, и определение самого характера опасного воздействия вредного везщества или разрушительного воздействия потоков энергии связано с необходимость учета большого числа факторов и параметровю Одни из них должны отражать специфику вредного выброса, другие – состав и характеристики людских, материальных и природных ресурсов, которые определяют их стойкость по отношению к соответствующим воздействиям. При этом число таких существенных факторов велико, они имеют разную направленность и недетерминистскую природу. Здесь, таким образом, необходимо использовать накопленные к настоящему времени статистические данные.
Модели типа «хищник — жертва» или «паразит-хозяин»
Эти модели применяются», как это видно из названия, при изучении частных случаев взаимодействия популяций нескольких видов. С помощью данных моделей, также использующих уравнения неразрывности, получен ряд интересных выводов. Однако взаимодействием двух-трех и даже более видов, которые реализуются в таких моделях, не исчерпывается динамика объектов окружающей среды, поэтому такие модели имеют прикладное значение и не являются универсальными.
При моделировании сложных систем их разбивают на подсистемы и потому их математическая модель предстает как некий комплекс подмоделей; для каждой из них может быть использован различный математический аппарат.
При этом возникают проблемы стыковки таких подмоделей. Хотя это довольно сложные вопросы, они успешно решаются.
имитационное моделирование
Начнем рассмотрение имитационного моделирования с простого примера. Пусть моделью является некоторое дифференциальное уравнение. Решим его двумя способами.
В первом получим аналитическое решение, запрограммируем найденный набор формул и просчитаем на ЭВМ ряд интересующих нас вариантов.
Во втором воспользуемся одним из численных методов решения и для тех же вариантов проследим изменения системы от начальной точки до заданной конечной.
Какой способ лучше, и с каких позиций? Если запись аналитического решения сложна, включает операции вычисления интеграла, то трудоемкость обоих способов будет вполне сравнима. Есть ли принципиальная разница между двумя этими способами? Кажется, что 1-й способ обладает известными преимуществами даже при громоздком аналитическом решении (точность, простота программирования). Но обратим внимание на то, что в первом способе решение в конечной точке дается как функция начала и постоянных коэффициентов дифференциального уравнения. Во втором для его нахождения приходится повторять путь, который система проходит от начальной до конечной точки. В ЭВМ осуществляется воспроизведение, имитация хода процесса, позволяющая в любой момент знать и при необходимости фиксировать его текущие характеристики, такие, как интегральная кривая, производные.
Скачать реферат