24. Характеристика исследовательских моделей.

Модели используют с целью снижения затрат и обеспечения безопасности исследований. Модели бывают: предметные, знаковые, математические. Математические модели бывают двух видов: аналитические, имитационные. По физическим принципам реализации модели делятся на математические, полунатурные, натурные.

Язык современных моделей включает следующие формы выражения данных об объекте моделирования:

1. словесное описание - наиболее простой и неформальный способ выражения данных. Он легко доступен для понимания, однако может быть неоднозначным, а поэтому имеет ограниченное применение лишь на самых ранних этапах исследований, разработки объектов и их моделей;

2. графическое представление в виде кривых, номограмм, чертежей. Этот способ задания данных об объекте или процессе часто является вспомогательным и используется в совокупности с другими;

3. блок - схемы, матрицы решений - один из наиболее распространенных способов задания данных, особенно их структурной или логической части;

4. математическое описание - это описание модели в виде формул и математических операций над переменными. Сюда же относят алгоритмическое описание, которое может использоваться для разработки имитационной модели и электронного моделирования объекта, не имеющего аналитического описания.

Каждый тип моделей в разной степени использует соответствующую форму выражения данных об объекте моделирования (системе или процессе). Например, при построении кибернетических моделей должны быть аналитически описаны входы и выходы объекта, их взаимозависимости, но не используют структурные схемы, блок-схемы и т.п.

К модели предъявляется следующие требования:

1. Она должна удовлетворять требованиям полноты, адаптивности, обеспечивать возможность включения достаточно широких изменений. Это нужно для последовательного приближения к моделям, удовлетворяющим требованиям точности воспроизведения объекта. Полнота модели должна рассматриваться с ряда точек зрения. Функциональная полнота: модель должна позволять реализовывать те функции, которые присущи объекту. Кроме того, модель должна быть достаточно полной для обеспечения рассмотрения достаточнобольшого числа вариантов и требуемойточности исследования.

2. Модель должна быть достаточно абстрактной, чтобы допускать варьирование большим числом переменных. Но в стремлении к абстрактности важно, чтобы не был утерян физический смысл и возможность оценки полученных результатов.

3. Модель должна удовлетворять требованиям и условиям, ограничивающим время решения задачи. При исследовании в реальном масштабе времени допустимое время решения определяется ритмом функционирования объекта при нештатных ситуациях. Для достижения опережения или синхронности с процессами внутри объекта, решают задачу снижения затрат машинного времени.

4. Модель должна ориентироваться на реализацию с помощью существующих технических средств, то есть должна быть физически осуществима на данном уровне развития техники с учетом ограничения конкретной организации, выполняющей прогнозирование, диагностику, исследование.

5. Модель должна обеспечивать получение полезной информации об объекте в плане поставленной задачи исследования. В связи с тем, что в большинстве случаев экономико-математические модели строятся с целью оптимизации моделируемых процессов, это требование можно понимать как требование оптимизации модели. Информация, полученная с помощью модели, должна обеспечить расчет значений и позволить определить шаги поиска ее экстремального значения. В качестве непременных требований к исследовательским моделям могут выступать требования обеспечения заданных достоверности, точности результата при минимальных затратах на его разработку. Эти требования справедливы и для исследовательской системы моделей.

6. Модель, по возможности, должна строиться с использованием общепринятой терминологии.

7. Модель должна предусматривать возможность проверки истинности соответствия ее оригиналу, то есть обеспечивать проверку адекватности или верификацию.

8. Модель должна обладать свойством робастности -устойчивости по отношению к ошибкам в исходных данных.В противном случае корректное использования результатов исследования возможно при относительно небольших изменениях исходных данных. Это требование особенно важно в условиях относительно низкой точности исходных данных.