Компьютерное моделирование. Реферат: Компьютерное моделирование и его особенности

Компьютерное моделирование является одним из эффективных методов изучения физических систем. Часто компьютерные модели проще и удобнее исследовать, они позволяют проводить вычислительные эксперименты, реальная постановка которых затруднена или может дать непредсказуемый результат. Логичность и формализованность компьютерных моделей позволяет выявить основные факторы, определяющие свойства изучаемых объектов, исследовать отклик физической системы на изменения ее параметров и начальных условий.

Компьютерное моделирование требует абстрагирования от конкретной природы явлений, построения сначала качественной, а затем и количественной модели. За этим следует проведение серии вычислительных экспериментов на компьютере, интерпретация результатов, сопоставление результатов моделирования с поведением исследуемого объекта, последующее уточнение модели и т.д.

К основным этапам компьютерного моделирования относятся: постановка задачи, определение объекта моделирования; разработка концептуальной модели, выявление основных элементов системы и элементарных актов взаимодействия; формализация, то есть переход к математической модели; создание алгоритма и написание программы; планирование и проведение компьютерных экспериментов; анализ и интерпретация результатов.

Различают аналитическое и имитационное моделирование. Аналитическими называются модели реального объекта, использующие алгебраические, дифференциальные и другие уравнения, а также предусматривающие осуществление однозначной вычислительной процедуры, приводящей к их точному решению. Имитационными называются математические модели, воспроизводящие алгоритм функционирования исследуемой системы путем последовательного выполнения большого количества элементарных операций.

Принципы моделирования состоят в следующем:

• 1. Принцип информационной достаточности. При полном отсутствии информации об объекте построить модель невозможно. При наличии полной информации моделирование лишено смысла. Существует уровень информационной достаточности, при достижении которого может быть построена модель системы.
• 2. Принцип осуществимости. Создаваемая модель должна обеспечивать достижение поставленной цели исследования за конечное время.
• 3. Принцип множественности моделей. Любая конкретная модель отражает лишь некоторые стороны реальной системы. Для полного исследования необходимо построить ряд моделей исследуемого процесса, причем каждая последующая модель должна уточнять предыдущую.
• 4. Принцип системности. Исследуемая система представима в виде совокупности взаимодействующих друг с другом подсистем, которые моделируются стандартными математическими методами. При этом свойства системы не являются суммой свойств ее элементов.
• 5. Принцип параметризации. Некоторые подсистемы моделируемой системы могут быть охарактеризованы единственным параметром: вектором, матрицей, графиком, формулой.

Компьютерное моделирование систем часто требует решения дифференциальных уравнений. Важным методом является метод сеток, включающий в себя метод конечных разностей Эйлера. Он состоит в том, что область непрерывного изменения одного или нескольких аргументов заменяют конечным множеством узлов, образующих одномерную или многомерную сетку, и работают с функцией дискретного аргумента, что позволяет приближенно вычислить производные и интегралы. При этом бесконечно малые приращения функции f = f(x, y, z, t) и приращения ее аргументов заменяются малыми, но конечными разностями.

В последнее десятилетие компьютерный эксперимент занял заметное место в физических исследованиях. Компьютерное моделирование физических систем позволяет получать числовую информацию о них, а также на основе графических изображений дает возможность составить представление об объекте, с помощью которого могут быть разработаны оптимальные пути исследования объекта. Среди математических методов описания физических систем и явлений и их численного анализа одним из основных становится моделирование этих объектов и процессов на основе метода Монте-Карло. Этот метод особенно полезен для сложных физических систем с громоздким математическим описанием. Серьезный прогресс в использовании метода Монте-Карло связан в большой степени с новыми возможностями современной вычислительной техники. Если двадцать лет назад на начальной стадии моделирования исследуемый объект мог быть разбит в одном измерении примерно на сотню шагов Монте-Карло, то теперь в простых моделях масштаб одного измерения составляет миллионы шагов Монте-Карло. Существенно возросли и скорости получения информации. В результате этого имеется возможность исследовать свойства физических систем на реалистичных моделях. В настоящее время возможности компьютерного моделирования при решении целого ряда задач существенно превышают возможности эксперимента как по скорости получения информации, так и по ее стоимости. Это повышает роль компьютерного эксперимента в современной физике, и в ряде направлений физики наши современные представления опираются главным образом на информацию, полученную на основе компьютерного моделирования.

Ясно, что для прогресса в рассматриваемой области наряду с совершенной вычислительной техникой необходимо иметь алгоритмы и подходы, позволяющие эффективно ею распорядиться. Эти проблемы вместе с анализом соответствующих физических систем и составляют современное содержание компьютерного моделирования методом Монте-Карло.

Физическая наука неразрывно связана с математическим моделированием со времен Исаака Ньютона (XVII–XVIII вв.). И.Ньютон открыл фундаментальные законы механики, закон всемирного тяготения, описав их на языке математики. И.Ньютон (наряду с Г.Лейбницем) разработал дифференциальное и интегральное исчисления, ставшие основой математического аппарата физики. Все последующие физические открытия (в термодинамике, электродинамике, атомной физике и пр.) представлялись в форме законов и принципов, описываемых на математическом языке, т.е. в форме математических моделей.

Можно сказать, что решение любой физической задачи теоретическим путем есть математическое моделирование. Однако возможность теоретического решения задачи ограничивается степенью сложности ее математической модели. Математическая модель тем сложнее, чем сложнее описываемый с ее помощью физический процесс, и тем сложнее становится использование такой модели для расчетов.

В простейшей ситуации решение задачи можно получить “вручную” аналитически. В большинстве же практически важных ситуаций найти аналитическое решение не удается из-за математической сложности модели. В таком случае используются численные методы решения задачи, эффективная реализация которых возможна только на компьютере. Иначе говоря, физические исследования на основе сложных математических моделей производятся путем компьютерного математического моделирования. В связи с этим в ХХ веке наряду с традиционным делением физики на теоретическую и экспериментальную возникло новое направление - “вычислительная физика”.

Исследование на компьютере физических процессов называют вычислительным экспериментом. Тем самым вычислительная физика прокладывает мост между теоретической физикой, из которой она черпает математические модели, и экспериментальной физикой, реализуя виртуальный физический эксперимент на компьютере. Использование компьютерной графики при обработке результатов вычислений обеспечивает наглядность этих результатов, что является важнейшим условием для их восприятия и интерпретации исследователем.

Физика, как учебная дисциплина, предоставляет наиболее широкий спектр применения ЭВТ в качестве средства обучения. Это моделирование физических процессов (демонстрационное и лабораторное), обучающие системы, компьютерный контроль, тренажеры, генераторы индивидуальных заданий при решении задач. Также это могут быть справочно-информационные системы, системы управления экспериментом и, наконец, проведение различных расчетов (в частности, при обработке результатов лабораторного практикума).

Компьютер позволяет строить динамические модели, т. к. он реагирует на действия пользователя подобно реакции реального объекта. Компьютерные модели обеспечивают большую гибкость при проведении эксперимента во время решения экспериментальных задач, позволяют замедлить или ускорить ход времени, сжать или растянуть пространство, дополнить модель графиком, таблицей, мультипликацией, повторить или изменить ситуацию.

Компьютер, как средство управления техническим объектом, занимаю-щее особое место в совершенствовании техники и методики физического экс-перимента, может выполнять следующие функции:

Средство измерения;

Контроль над физическими процессами или поведением объекта;

Управление физическим экспериментом или техническим объектом;

Различная обработка результатов эксперимента.

Эффективность компьютерного обучения обусловлена рядом факторов: дидактическими возможностями компьютера, учебным потенциалом мульти-медийных технологий и такой организацией учебного процесса, при которой возможности новых информационных технологий обнаруживают себя наиболее полно.

Мультимедийные технологии могут быть использованы в рамках реализации таких моделей учебной деятельности, как самостоятельное и управляемое открытие знания. Существующие электронные средства разработки мультимедийных приложений могут быть использованы в учебном процессе для создания мультимедийных дидактических пособий. Применение в учебном процессе такого дидактического средства как мультимедийная учебная презентация позволяет увеличить степень усвоения студентами получаемой учебной информации.

В качестве подобного мультимедийного приложения могут быть использованы flash – технологии, использование которых в настоящее время актуально.

Flash является наиболее востребованной технологией, позволяющей со-здавать различные мультимедиа и интерактивные приложения для всевозможных сфер деятельности. Flash - это пакет для создания и формат для сохранения двумерной анимированной компьютерной графики.

Кобельницкий Владислав

Компьютерное моделирование. Моделирование физический и математических процессов на компьютере.

Скачать:

Предварительный просмотр:

Исследовательская работа

«КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ»

ВыпоЛНИЛ:

КОБЕЛЬНИЦКИЙ ВЛАДИСЛАВ

УЧЕНИК 9 КЛАССА

МКОУ ООШ №17

РУКоводитель:

учитель математики и информатики

тВОРОЗОВА Е.С.

кАНСК, 2013

1. вВЕДЕНИЕ……………………………………………………………………3
2. КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ…………………………………...5
3. ПРАКТИЧЕСКАЯ ЧАСТЬ…………………………………………………..10
4. ЗАКЛЮЧЕНИЕ……………………………………………………………...18
5. СПИСОК ЛИТЕРАТУРЫ…………………………………………………...20

ВВЕДЕНИЕ

В большинстве сфер человеческой деятельности в настоящее время применяется компьютерная техника. Например, в парикмахерской можно с помощью компьютера подобрать заранее ту прическу, которая понравится клиенту. Для этого клиента фотографируют, фотографию в электронном виде вводят в программу, содержащую самые разнообразные прически, на экране отображается фото клиента, к которому можно «примерить» любую прическу. Также легко можно подобрать цвет волос, макияж. С помощью компьютерной модели можно заранее увидеть, подойдет ли клиенту та или иная прическа. Конечно, этот вариант лучше, нежели проводить эксперимент реально, в реальной жизни исправить нежелательную ситуацию гораздо сложнее.

Изучая тему по информатике, «Компьютерное моделирование», меня заинтересовал вопрос – «Любой ли процесс, или явление можно смоделировать с помощью ПК?». Это и послужило выбором моего исследования.

Тема моего исследования: «Компьютерное моделирование».

Гипотеза: любой процесс или явление можно смоделировать с помощью ПК.

Цель работы – изучить возможности компьютерного моделирования, использование его в различных предметных областях.

Для достижения данной цели в работе решаются следующие задачи:

– дать теоретические сведения о моделировании;

– описать этапы моделирования;

– привести примеры моделей процессов или явлений из различных предметных областей;

Сделать общий вывод о компьютерном моделировании в предметных областях.

Я решил подробнее рассмотреть компьютерное моделирование в программах MS Excel и «Живая математика». В работе рассмотрены преимущества программы MS Excel. С помощью данных программ, мной были построены компьютерные модели из различных предметных областей, таких как математика, физика, биология.

Построение и исследование моделей – это один из важнейших методов познания, умение использовать компьютер для построения моделей – одно из требований сегодняшнего дня, поэтому я считаю данную работу актуальной. Она является важной для меня, так как я хочу продолжить свое дальнейшее обучение в этом направлении, а также рассмотреть другие программы при разработке компьютерных моделей, это цель на дальнейшее продолжение этой работы.

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ

Анализируя литературу по теме исследования, я выяснил, что практически во всех естественных и социальных науках построение и использование моделей, является мощным инструментом исследований. Реальные объекты и процессы бывают столь многогранны и сложны, что лучшим способом их изучения оказывается построение модели, отображающей лишь какую-то часть реальности и потому многократно более простой, чем эта реальность.

Модель (лат. modulus - мера) - это объект-заместитель объекта-оригинала, обеспечивающий изучение некоторых свойств оригинала.

Модель - создаваемый с целью получения и (или) хранения информации специфический объект (в форме мысленного образа, описания знаковыми средствами либо материальной системы), отражающий свойства, характеристики и связи объекта – оригинала произвольной природы, существенные для задачи, решаемой субъектом.

Моделирование – процесс создания и использования модели.

Цели моделирования

1. Познание действительности
2. Проведение экспериментов
3. Проектирование и управление
4. Прогнозирование поведения объектов
5. Тренировка и обучения специалистов
6. Обработка информации

Классификация по форме представления

1. Материальные - воспроизводят геометрические и физические свойства оригинала и всегда имеют реальное воплощение (детские игрушки, наглядные учебные пособия, макеты, модели автомобилей и самолетов и прочее).

1. a) геометрически подобные масштабные, воспроизводящие пространственно- геометрические характеристики оригинала безотносительно его субстрату (макеты зданий и сооружений, учебные муляжи и др.);
2. b) основанные на теории подобия субстратно подобные, воспроизводящие с масштабированием в пространстве и времени свойства и характеристики оригинала той же природы, что и модель, (гидродинамические модели судов, продувочные модели летательных аппаратов);
3. c) аналоговые приборные, воспроизводящие исследуемые свойства и характеристики объекта оригинала в моделирующем объекте другой природы на основе некоторой системы прямых аналогий (разновидности электронного аналогового моделирования).

1. Информационные - совокупность информации, характеризующая свойства и состояния объекта, процесса, явления, а также их взаимосвязь с внешним миром).

1. 2.1. Вербальные - словесное описание на естественном языке).
2. 2.2. Знаковые - информационная модель, выраженная специальными знаками (средствами любого формального языка).

1. 2.2.1. Математические - математическое описание соотношений между количественными характеристиками объекта моделирования.
2. 2.2.2. Графические - карты, чертежи, схемы, графики, диаграммы, графы систем.
3. 2.2.3. Табличные - таблицы: объект-свойство, объект-объект, двоичные матрицы и так далее.

1. Идеальные – материальная точка, абсолютно твердое тело, математический маятник, идеальный газ, бесконечность, геометрическая точка и прочее...

1. 3.1. Неформализованные модели - системы представлений об объекте оригинале, сложившиеся в человеческом мозгу.
2. 3.2. Частично формализованные .

1. 3.2.1. Вербальные - описание свойств и характеристик оригинала на некотором естественном языке (текстовые материалы проектной документации, словесное описание результатов технического эксперимента).
2. 3.2.2. Графические иконические - черты, свойства и характеристики оригинала, реально или хотя бы теоретически доступные непосредственно зрительному восприятию (художественная графика, технологические карты).
3. 3.2.3. Графические условные - данные наблюдений и экспериментальных исследований в виде графиков, диаграмм, схем.

1. 3.3. Вполне формализованные (математические) модели.

Свойства моделей

1. Конечность : модель отображает оригинал лишь в конечном числе его отношений и, кроме того, ресурсы моделирования конечны;
2. Упрощенность : модель отображает только существенные стороны объекта;
3. Приблизительность : действительность отображается моделью грубо или приблизительно;
4. Адекватность : насколько успешно модель описывает моделируемую систему;
5. Информативность : модель должна содержать достаточную информацию о системе - в рамках гипотез, принятых при построении модел;
6. Потенциальность : предсказуемость модели и её свойств;
7. Сложность : удобство её использования;
8. Полнота : учтены все необходимые свойства;
9. Адаптивность .

Так же необходимо отметить:

1. Модель представляет собой «четырехместную конструкцию», компонентами которой являются субъект; задача, решаемая субъектом; объект-оригинал и язык описания или способ воспроизведения модели. Особую роль в структуре обобщенной модели играет решаемая субъектом задача. Вне контекста задачи или класса задач понятие модели не имеет смысла.
2. Каждому материальному объекту, вообще говоря, соответствует бесчисленное множество в равной мере адекватных, но различных по существу моделей, связанных с разными задачами.
3. Паре задача-объект тоже соответствует множество моделей, содержащих в принципе одну и ту же информацию, но различающихся формами ее представления или воспроизведения.
4. Модель по определению всегда является лишь относительным, приближенным подобием объекта-оригинала и в информационном отношении принципиально беднее последнего. Это ее фундаментальное свойство.
5. Произвольная природа объекта-оригинала, фигурирующая в принятом определении, означает, что этот объект может быть материально-вещественным, может носить чисто информационный характер и, наконец, может представлять собой комплекс разнородных материальных и информационных компонентов. Однако независимо от природы объекта, характера решаемой задачи и способа реализации модель представляет собой информационное образование.
6. Частным, но весьма важным для развитых в теоретическом отношении научных и технических дисциплин является случай, когда роль объекта-моделирования в исследовательской или прикладной задаче играет не фрагмент реального мира, рассматриваемый непосредственно, а некий идеальный конструкт, т.е. по сути дела другая модель, созданная ранее и практически достоверная. Подобное вторичное, а в общем случае n-кратное моделирование может осуществляться теоретическими методами с последующей проверкой получаемых результатов по экспериментальным данным, что характерно для фундаментальных естественных наук. В менее развитых в теоретическом отношении областях знания (биология, некоторые технические дисциплины) вторичная модель обычно включает в себя эмпирическую информацию, которую не охватывают существующие теории.

Процесс построения модели называется моделированием.

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 т. д.). Например, можно выделить следующие виды моделирования:

1. Информационное моделирование
2. Компьютерное моделирование
3. Математическое моделирование
4. Математико-картографическое моделирование
5. Молекулярное моделирование
6. Цифровое моделирование
7. Логическое моделирование
8. Педагогическое моделирование
9. Психологическое моделирование
10. Статистическое моделирование
11. Структурное моделирование
12. Физическое моделирование
13. Экономико-математическое моделирование
14. Имитационное моделирование
15. Эволюционное моделирование
16. Графическое и геометрическое моделирование
17. Натурное моделирование

Компьютерное моделирование включает в себя процесс реализации информационной модели на компьютере и исследование с помощью этой модели объекта моделирования - проведение вычислительного эксперимента . С помощью компьютерного моделирования решаются многие научные и производственные вопросы.

Выделение существенных сторон реального объекта и отвлечение от его второстепенных свойств с точки зрения поставленной задачи, позволяет развить аналитические способности. Реализация модели объекта на компьютере требует знания прикладных программ, а также языков программирования.

В практической части я строил модели по следующей схеме:

1. Постановка задачи (описание задачи, цели моделирования, формализация задачи);
2. Разработка модели;
3. Компьютерный эксперимент;
4. Анализ результатов моделирования.

ПРАКТИЧЕСКАЯ ЧАСТЬ

Моделирование различных процессов и явлений

Работа 1 «Определение удельной теплоемкости вещества».

Цель работы: экспериментальным путем определяеть удельную теплоемкость данного вещества.

Первый этап

Второй этап

1. Введение значений измеряемых величин.
2. Введение формул для вычисления значения удельной теплоемкости вещества.
3. Расчет удельной теплоемкости.

Третий этап . Сравнить табличное и экспериментальное значение теплоемкости.

Определение удельной теплоемкости вещества

Обмен внутренней энергией между телами и окружающей средой без совершения механической работы называется теплообменом.

При теплообмене взаимодействие молекул тел, имеющих различную температуру, приводит к передаче энергии от тела с большей температурой к телу с меньшей температурой.

Если между телами происходит теплообмен, то внутренняя энергия всех нагревающихся тел увеличивается на столько, на сколько уменьшается внутренняя энергия остывающих тел.

Порядок выполнения работы:

Взвесьте внутренний алюминиевый сосуд калориметра. Налейте в него воды, примерно до половины сосуда и вновь взвесьте, чтобы определить массу воды в сосуде. Измерьте начальную температуру воды в сосуде.

Из общего для всего класса сосуда с кипящей водой, аккуратно, чтобы не обжечь руку, достаньте проволочным крючком металлический цилиндр и опустите его в калориметр.

Следите за повышением температуры воды в калориметре. Когда температура достигнет максимального значения и перестанет повышаться, запишите ее значение в таблицу.

Достаньте цилиндр из сосуда, осушив его фильтровальной бумагой, взвесьте его и запишите массу цилиндра в таблицу.

Из уравнения теплового баланса

c 1 m 1 (T-t 1 )+c 2 m 2 (T-t 1 )=cm(t 2 -T)

вычислите удельную теплоемкость вещества, из которого изготовлен цилиндр.

m 1 – масса алюминиевого сосуда;

c 1 – удельная теплоемкость алюминия;

m 2 - масса воды;

с 2 - удельная теплоемкость воды;

t 1 - начальная температура воды

m - масса цилиндра;

t 2 - начальная температура цилиндра;

Т- общая температура

Работа 2 «Изучение колебаний пружинного маятника»

Цель работы: определить экспериментальным путем жесткость пружины и определить частоту колебаний пружинного маятника. Выяснить зависимость частоты колебаний от массы подвешенного груза.

Первый этап . Составляется математическая модель.

Второй этап . Работа с составленной моделью.

1. Введите формул для вычисления значения коэффициента жесткости пружины.
2. Введение в ячейки формул для вычисления теоретического и экспериментального значения частоты колебаний пружинного маятника.
3. Проведение опытов, подвешивая к пружине грузы различной массы. Результаты занесите в таблицу.

Третий этап . Сделать вывод о зависимости частоты колебаний от массы подвешенного груза. Сравнить теоретическое и экспериментальное значение частот.

Описание работы в лабораторном практикуме:

Груз, подвешенный на стальной пружине и выведенный из состояния равновесия, совершает под действием сил тяжести и упругости пружины гармонические колебания. Собственная частота колебаний такого пружинного маятника определяется выражением

где k – жесткость пружины; m – масса тела.

Задача лабораторной работы заключается в том, чтобы экспериментально проверить полученную теоретически закономерность. Для решения этой задачи сначала необходимо определить жесткость k пружины, применяемой в лабораторной установке, массу m груза и вычислить собственную частоту  0 колебаний маятника. Затем, подвесив груз массой m на пружину, экспериментально проверить полученный теоретически результат.

Выполнение работы.

1. Укрепите пружину в лапке штатива и подвесьте к ней груз массой 100 г. Рядом с грузом укрепите вертикально измерительную линейку и отметьте начальное положение груза.

2. Подвесьте к пружине еще два груза по 100 г. и измерьте ее удлинение вызванное действием силы F2Н. Занесите значение силы F и удлинения x в таблицу и вы получите значение жесткости k пружины, вычисленную по формуле

3. Зная величину жесткости пружины, вычислите собственную частоту  0 колебаний пружинного маятника массой 100, 200, 300 и 400 г.

4. Для каждого случая экспериментально определите частоту колебаний  маятника. Для этого измерьте интервал времени t, за который маятник совершит 10-20 полных колебаний, и вы получите значение частоты, вычисленное по формуле

где n – число колебаний.

5. Сравните расчетные значения собственной частоты  0 колебаний пружинного маятника с частотой  , полученной экспериментально.

Работа 3 «Закон сохранения механической энергии»

Цель работы: экспериментальным путем проверить закон сохранения механической энергии.

Первый этап . Составление математической модели.

Второй этап . Работа с составленной моделью.

1. Введение данных в электронную таблицу.
2. Введите формул для вычисления значения потенциальной и кинетической энергии.
3. Проведение опытов. Результаты занесите в таблицу.

Третий этап . Сравните кинетическую энергию шарика и изменение его потенциальной энергии, сделайте вывод.

Описание работы в лабораторном практикуме

ПРОВЕРКА ЗАКОНА СОХРАНЕНИЯ МЕХАНИЧЕСКОЙ ЭНЕРГИИ.

В работе необходимо экспериментально установить, что полная механическая энергия замкнутой системы остается неизменной, если между телами действуют только силы тяготения и упругости.

Установка для опыта показана на рисунке 1. При отклонении стержня А от вертикального положения шарик на его конце поднимется на некоторую высоту h относительно начального уровня. При этом система взаимодействующих тел Земля –шарик приобретает дополнительный запас потенциальной энергии ΔEp=mgh .

Если стержень освободить, то он возвратится в вертикальное положение до специального упора. Считая силы трения и изменения потенциальной энергии упругой деформации стержня очень малыми, можно принять, что во время движения стержня на шарик действуют только гравитационные силы и силы упругости. На основании закона сохранения механической энергии можно ожидать, что кинетическая энергия шарика в момент прохождения исходного положения будет равна изменению его потенциальной энергии:

Для определения кинетической энергии шарика необходимо измерить его скорость. Для этого укрепляют прибор в лапке штатива на высоте H над поверхностью стола, отводят стержень с шариком в сторону и затем отпускают. При ударе стержня об упор шарик соскакивает со стержня и продолжает вследствие инерции двигаться со скоростью v в горизонтальном направлении. Измерив дальность полета шарика l при его движении по параболе, можно определить горизонтальную скорость v:

где t -время свободного падения шарика с высоты H .

Определив массу шарика m с помощью весов, можно найти его кинетическую энергию и сравнить ее с изменением потенциальной энергии ΔEp .

В практической части данной работы мной были построены модели физических процессов, а также математические модели, приведены описание лабораторных работ.

В результаты работы, я построил следующие модели:

Физические модели движения тел (Ms Excel, предмет физика)

Равномерного прямолинейного движения, равноускоренного движения (Ms Excel, предмет физика);

Движения тела, брошенного под углом к горизонту (Ms Excel, предмет физика);

Движения тел с учетом силы трения (Ms Excel, предмет физика);

Движения тел с учетом многих сил действующих на тело (Ms Excel, предмет физика);

Определение удельной теплоемкости вещества (Ms Excel, предмет физика);

Колебания пружинного маятника (Ms Excel, предмет физика);

Математическая модель вычисления арифметической и алгебраической прогрессии; (Ms Excel, предмет алгебра);

Компьютерной модели модификационной изменчивости (Ms Excel, предмет биология);

Построение и исследование графиков функций в программе «Живая математика».

После построение моделей, можно сделать вывод: чтобы правильно построить модель, необходимо поставить цель, я придерживался схемы, представленной в теоретической части.

Заключение

Мной были выявлены преимущества использования программы Excel:

а) функциональные возможности программы Excel заведомо перекрывают все потребности по автоматизации обработки данных эксперимента, построению и исследованию моделей; б) обладает понятным интерфейсом; в) изучение Excel предусматривается программами общего образования по информатике, следовательно, возможно эффективное использование Excel; г) данная программа отличается доступностью в изучении и простотой в управлении, что принципиально важно как для меня, как ученика; д) результаты деятельности на рабочем листе Excel (тексты, таблицы, графики, формулы) «открыты» пользователю.

Cреди всех известных программных средств Excel обладает едва ли не самым богатым инструментарием для работы с графиками. Программа позволяет с использованием приемов автозаполнения представлять данные в табличной форме, оперативно их преобразовывать с использованием огромной библиотеки функций, строить графики редактировать их практически по всем элементам, увеличивать изображение какого-либо фрагмента графика, выбирать функциональные масштабы по осям, экстраполировать графики и т.д.

Подводя итог работы, хотелось бы сделать вывод: цель, поставленная в начале этого исследования, была достигнута. Моё исследования показало, что действительно можно смоделировать любой процесс или явление. Гипотеза поставленная мною, верна. В этом я убедился, когда построил достаточное количество таких моделей. Чтобы построить любую модель, нужно придерживаться определенных правил, которые описаны мною в практической части данной работы.

Данное исследование будет продолжено, будут изучены другие программы, позволяющие моделировать процессы.

СПИСОК ЛИТЕРАТУРЫ

1. Дегтярев Б.И., Дегтярева И.Б., Пожидаев С.В. , Решение задач по физике на программируемых калькуляторах, М., Просвещение, 1991 г.
2. Демонстрационный эксперимент по физике в старших классах средней школы. Под ред. Покровского А.А., М.Просвещение, 1972 г.
3. Долголаптев В. Работа в Excel 7.0. для Windows 95.М., Бином, 1995 г
4. Ефименко Г.Е. Решение задач по экологии с помощью электронных таблиц. Информатика, №5 – 2000г.
5. Златопольский Д.М., Решение уравнений с помощью электронных таблиц. Информатика,№41 – 2000г.
6. Иванов В. Microsoft Office System 2003 .Русская версия. Издательский дом «Питер», 2005 г.
7. Извозчиков В.А., Слуцкий А.М., Решение задач по физике на компьютере, М., Просвещение, 1999г.
8. Нечаев В.М. Электронные таблицы и базы данных. Информатика, №36- 1999г.
9. Программы для общеобразовательных учреждений. Физика 7-11классы, М., Дрофа, 2004 г.
10. Сайков Б.П. Excel: построение диаграмм. Информатика и образование №9 – 2001 г.
11. Сборник задач по физике. Под ред. С.М.Козела, М., Наука, 1983 г.
12. Семакин И.Г. , Шеина Т.Ю, Преподавание базового курса информатики в средней школе., М., изд-во Бином, 2004 г.
13. Урок физики в современной школе. Под ред. В.Г.Разумовского, М.Просвещение, 1993 г.

, астрофизике , механике , химии , биологии , экономике , социологии , метеорологии , других науках и прикладных задачах в различных областях радиоэлектроники, машиностроения, автомобилестроения и проч. Компьютерные модели используются для получения новых знаний о моделируемом объекте или для приближенной оценки поведения систем, слишком сложных для аналитического исследования.

Построение компьютерной модели базируется на абстрагировании от конкретной природы явлений или изучаемого объекта-оригинала и состоит из двух этапов - сначала создание качественной, а затем и количественной модели . Компьютерное же моделирование заключается в проведении серии вычислительных экспериментов на компьютере , целью которых является анализ, интерпретация и сопоставление результатов моделирования с реальным поведением изучаемого объекта и, при необходимости, последующее уточнение модели и т. д.

К основным этапам компьютерного моделирования относятся:

Различают аналитическое и имитационное моделирование . При аналитическом моделировании изучаются математические (абстрактные) модели реального объекта в виде алгебраических , дифференциальных и других уравнений , а также предусматривающих осуществление однозначной вычислительной процедуры, приводящей к их точному решению. При имитационном моделировании исследуются математические модели в виде алгоритма(ов), воспроизводящего функционирование исследуемой системы путем последовательного выполнения большого количества элементарных операций.

Практическое применение

Компьютерное моделирование применяют для широкого круга задач, таких как:

• анализ распространения загрязняющих веществ в атмосфере
• проектирование шумовых барьеров для борьбы с шумовым загрязнением
• конструирование транспортных средств
• полетные имитаторы для тренировки пилотов
• прогнозирование погоды
• эмуляция работы других электронных устройств
• прогнозирование цен на финансовых рынках
• исследование поведения зданий, конструкций и деталей под механической нагрузкой
• прогнозирование прочности конструкций и механизмов их разрушения
• проектирование производственных процессов, например химических
• стратегическое управление организацией
• исследование поведения гидравлических систем: нефтепроводов, водопровода
• моделирование роботов и автоматических манипуляторов
• моделирование сценарных вариантов развития городов
• моделирование транспортных систем
• имитация краш-тестов
• моделирование результатов пластических операций

Различные сферы применения компьютерных моделей предъявляют разные требования к надежности получаемых с их помощью результатов. Для моделирования зданий и деталей самолетов требуется высокая точность и степень достоверности, тогда как модели эволюции городов и социально-экономических систем используются для получения приближенных или качественных результатов.

Алгоритмы компьютерного моделирования

• Метод компонентных цепей
• Метод переменных состояния

См. также

Ссылки

Wikimedia Foundation . 2010 .

Смотреть что такое "Компьютерное моделирование" в других словарях:

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ - Совершенно буквально – использование компьютера для моделирования чего то. Обычно моделируется мышление или поведение человека. То есть предпринимаются попытки запрограммировать компьютер так, чтобы он действовал аналогично тому, как протекают… … Толковый словарь по психологии

Моделирование 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… … Википедия

Компьютерное зрение теория и технология создания машин, которые могут производить обнаружение, слежение и классификацию объектов. Как научная дисциплина, компьютерное зрение относится к теории и технологии создания искусственных систем,… … Википедия

Моделирование социальное - научный метод познания социальных явлений и процессов с помощью воспроизведения их характеристик на других объектах, т. е. специально создаваемых с этой целью моделях. Потребность в М. с. обусловлена возросшей в последнее время необходимостью… … Социологический справочник

Сечение моделируемого объёма толщиной 15 Mpc/h в современной Вселенной (красное смещение z=0). Показана плотность тёмной материи, с хорошо … Википедия

М. это имитация естественных ситуаций, при к рой человек в идеале должен вести себя так, как если бы это была реальная ситуация. Преимущество модели в том, что она позволяет испытуемому реагировать на ситуацию, не сталкиваясь с опасностями… … Психологическая энциклопедия

Запрос «Software» перенаправляется сюда. Cм. также другие значения. Программное обеспечение (произношение обеспечение не рекомендуется, точнее, не рекомендовалось) наряду с аппаратными средствами, важнейшая составляющая информационных … Википедия

Разработка программного обеспечения Процесс разработки ПО Шаги процесса Анализ | Проектирование | Реализация | Тестирование | Внедрение | Сопровождение Модели / методы Agile | Cleanroom | Итеративная | Scrum | RUP | MSF | Спиральная | … Википедия

Моделирование - (воен.), метод теоретического или технического исследования объекта (явления, системы, процесса) путем создания и изучения его аналога (модели), с целью получения информации о реальной системе. М. может быть физическое, логическо математическое… … Пограничный словарь

Компьютерное моделирование является одним из эффективных методов изучения сложных систем. Компьютерные модели проще и удобнее исследовать в силу их возможности проводить т.н. вычислительные эксперименты, в тех случаях когда реальные эксперименты… … Википедия

Майер Р.В. Компьютерное моделирование

Майер Р.В., Глазовский пединститут

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ:

МОДЕЛИРОВАНИЕ КАК МЕТОД НАУЧНОГО ПОЗНАНИЯ.

КОМПЬЮТЕРНЫЕ МОДЕЛИ И ИХ ВИДЫ

Вводится понятие модели, анализируются различные классы моделей, связь моделирования с общей теорией систем. Обсуждается численное, статистическое и имитационное моделирование, его место в системе других методов познания. Рассматриваются различные классификации компьютерных моделей и области их применения.

1.1. Понятие модели. Цели моделирования

В процессе изучения окружающего мира субъекту познания противостоит исследуемая часть объек­тивной реальности –– объект познания . Ученый, используя эмпирические методы познания (наблюдение и эксперимент), устанавливает факты , характеризующие объект. Элементарные факты обобщаются и формулируются эмпирические законы . Следующий шаг состоит в развитии теории и построении теоретической модели , объясняющей поведение объекта и учитывающей наиболее существенные факторы, влияющие на изучаемое явление. Эта теоретическая модель должна быть логичной и соответствовать установленным фактам. Можно считать, что любая наука представляет собой теоретическую модель определенной части окружающей действительности.

Часто в процессе познания реальный объект заменяется некоторым другим идеальным, воображаемым или материальным объектом
, несущим изучаемые черты исследуемого объекта , и называемым моделью. Эта модель подвергается исследованию: на нее оказывают различные воздействия, изменяют параметры и начальные условия, и выясняют, как изменяется ее поведение. Результаты исследования модели переносят на объект исследования , сопоставляют с имеющимися эмпирическими данными и т.д.

Таким образом, модель –– это материальный или идеальный объект, замещающий исследуемую систему и адекватным образом отображающий ее существенные стороны. Модель должна в чем–то повторять исследуемый процесс или объект со степенью соответствия, позволяющей изучить объект–оригинал . Чтобы результаты моделирования можно было бы перенести на исследуемый объект, модель должна обладать свойством адекватности. Преимущество подмены исследуемого объекта его моделью в том, что часто модели проще, дешевле и безопаснее исследовать. Действительно, чтобы создать самолет, следует построить теоретическую модель, нарисовать чертеж, выполнить соответствующие расчеты, изготовить его уменьшенную копию, исследовать ее в аэродинамической трубе и т.д.

Модель объекта должна отражать его наиболее важные качества, пренебрегая второстепенными . Тут уместно вспомнить притчу о трех незрячих мудрецах, решивших узнать что такое слон. Один мудрец подержал слона за хобот, и заявил, что слон ­­–– гибкий шланг. Другой потрогал слона за ногу и решил, что слон – это колонна. Третий мудрец подергал за хвост и пришел к мнению, что слон – это веревка. Ясно, что все мудрецы ошиблись: ни один из названных объектов (шланг, колонна, веревка) не отражают существенных сторон изучаемого объекта (слон), поэтому их ответы (предлагаемые модели) не являются правильными.

При моделировании могут преследоваться различные цели: 1) познание сущности изучаемого объекта, причин его поведения, “устройства” и механизма взаимодействия элементов; 2) объяснение уже известных результатов эмпирических исследований, верификация параметров модели по экспериментальным данным; 3) прогнозирование поведения систем в новых условиях при различных внешних воздействиях и способах управления; 4) оптимизация функционирования исследуемых систем, поиск правильного управления объектом в соответствии с выбранным критерием оптимальности.

1.2. Различные виды моделей

Используемые модели чрезвычайно разнообразны. Системный анализ требует классификации и систематизации , то есть структурирование изначально неупорядоченного множества объектов и превращение его в систему. Известны различные способы классификации существующего многообразия моделей. Так, в выделяют следующие виды моделей: 1) детерминированные и стохастические; 2) статические и динамические; 3) дискретные, непрерывные и дискретно–непрерывные; 4) мысленные и реальные. В других работах , модели классифицируют по следующим основаниям (рис. 1): 1) по характеру моделируемой стороны объекта; 2) по отношению ко времени; 3) по способу представления состояния системы; 4) по степени случайности моделируемого процесса; 5) по способу реализации.

При классификации по характеру моделируемой стороны объекта выделяют следующие виды моделей (рис. 1): 1.1. Кибернетические или функциональные модели; в них моделируемый объект рассматривается как “черный ящик”, внутреннее устройство которого неизвестно. Поведение такого “черного ящика” может описываться математическим уравнением, графиком или таблицей, которые связывают выходные сигналы (реакции) устройства с входными (стимулами). Структура и принципы действия такой модели не имеют ничего общего с исследуемым объектом, но функционирует она похожим образом. Например, компьютерная программа, моделирующая игру в шашки. 1.2. Структурные модели –– это модели, структура которых соответствует структуре моделируемого объекта. Примерами являются командно-штабные учения, день самоуправления, модель электронной схемы в Electronics Workbench и т.д. 1.3.Информационные модели, представляющие собой совокупность специальным образом подобранных величин и их конкретных значений, которые характеризуют исследуемый объект. Выделяют вербальные (словесные), табличные, графические и математические информационные модели. Например, информационная модель студента может состоять из оценок за экзамены, контрольные и лабораторные работы. Или информационная модель некоторого производства представляет набор параметров, характеризующих потребности производства, его наиболее существенные характеристики, параметры выпускаемого товара.

По отношению ко времени выделяют: 1. Статические модели ­–– модели, состояние которых не изменяется с течением времени: макет застройки квартала, модель кузова машины. 2. Динамические модели представляют собой функционирующие объекты, состояние которых непрерывно изменяется. К ним относятся действующие модели двигателя и генератора, компьютерная модель развития популяции, анимационная модель работы ЭВМ и т.д.

По способу представления состояния системы различают: 1. Дискретные модели –– это автоматы, то есть реальные или воображаемые дискретные устройства с некоторым набором внутренних состояний, преобразующие входные сигналы в выходные в соответствии с заданными правилами. 2. Непрерывные модели –– это модели, в которых протекают непрерывные процессы. Например, использование аналоговой ЭВМ для решения дифференциального уравнения, моделирования радиоактивного распада с помощью конденсатора, разряжающегося через резистор и т.д. По степени случайности моделируемого процесса выделяют (рис. 1): 1. Детерминированные модели, которым свойственно переходить из одного состояния в другое в соответствии с жестким алгоритмом, то есть между внутренним состоянием, входными и выходными сигналами имеется однозначное соответствий (модель светофора). 2. Стохастические модели, функционирующие подобно вероятностным автоматам; сигнал на выходе и состояние в следующий момент времени задается матрицей вероятностей. Например, вероятностная модель ученика, компьютерная модель передачи сообщений по каналу связи с шумом и т.д.

Рис. 1. Различные способы классификации моделей.

По способу реализации различают: 1. Абстрактные модели, то есть мысленные модели, существующие только в нашем воображении. Например, структура алгоритма, которая может быть представлена с помощью блок–схемы, функциональная зависимость, дифференциальное уравнение, описывающее некоторый процесс. К абстрактным моделям также можно отнести различные графические модели, схемы, структуры, а также анимации. 2. Материальные (физические) модели представляют собой неподвижные макеты либо действующие устройства, функционирующие в чем–то подобно исследуемому объекту. Например, модель молекулы из шариков, макет атомной подводной лодки, действующая модель генератора переменного тока, двигателя и т.д. Реальное моделирование предусматривает построение материальной модели объекта и выполнение с ней серии экспериментов. Например, для изучения движения подводной лодки в воде строят ее уменьшенную копию и моделируют течение с помощью гидродинамической трубы.

Нас будут интересовать абстрактные модели, которые в свою очередь подразделяются на вербальные, математические и компьютерные. К вербальным или текстовым моделям относятся последовательности утверждений на естественном или формализованном языке, описывающие объект познания. Математические модели образуют широкий класс знаковых моделей, в которых используются математические действия и операторы. Часто они представляют собой систему алгебраических или дифференциальных уравнений. Компьютерные модели представляют собой алгоритм или компьютерную программу, решающую систему логических, алгебраических или дифференциальных уравнений и имитирующую поведение исследуемой системы. Иногда мысленное моделирование подразделяют на: 1. Наглядное, –– предполагает создание воображаемого образа, мысленного макета, соответствующих исследуемому объекту на основе предположений о протекающем процессе, или по аналогии с ним. 2. Символическое, –– заключается в создании логического объекта на основе системы специальных символов; подразделяется на языковое (на основе тезауруса основных понятий) и знаковое. 3. Математическое, –– состоит в установлении соответствия объекту исследования некоторого математического объекта; подразделяется на аналитическое, имитационное и комбинированное. Аналитическое моделирование предполагает написание системы из алгебраических, дифференциальных, интегральных, конечно–разностных уравнений и логических условий. Для исследования аналитической модели могут быть использованы аналитический метод и численный метод. В последнее время численные методы реализуются на ЭВМ, поэтому компьютерные модели можно рассматривать как разновидность математических.

Математические модели довольно разнообразны и тоже могут быть классифицированы по разным основаниям . По степени абстрагирования при описании свойств системы они делятся на мета–, макро– и микромодели. В зависимости от формы представления различают инвариантные, аналитические, алгоритмические и графические модели. По характеру отображаемых свойств объекта модели классифицируют на структурные, функциональные и технологические. По способу получения различают теоретические, эмпирические и комбинированные. В зависимости от характера математического аппарата модели бывают линейные и нелинейные, непрерывные и дискретные, детерминированные и вероятностные, статические и динамические. По способу реализации различают аналоговые, цифровые, гибридные, нейронечеткие модели, которые создаются на основе аналоговых, цифровых, гибридных вычислительных машин и нейросетей.

1.3. Моделирование и системный подход

В основе теории моделирования лежит общая теория систем , также известная как системный подход. Это общенаучное направление, согласно которому объект исследования рассматривается как сложная система, взаимодействующая с окружающей средой. Объект является системой, если он состоит из совокупности взаимосвязанных между собой элементов, сумма свойств которых не равна свойствам объекта. Система отличается от смеси наличием упорядоченной структуры и определенных связей между элементами. Например, телевизор, состоящий из большого числа радиодеталей, соединенных между собой определенным образом, является системой, а те же радиодетали, беспорядочно лежащие в ящике, системой не являются. Различают следующие уровни описания систем: 1) лингвистический (символический); 2) теоретико-множественный; 3) абстрактно-логический; 4) логико-математический; 5) теоретико-информа-ционный; 6) динамический; 7) эвристический.

Рис. 2. Исследуемая система и окружающая среда.

Система взаимодействует с окружающей средой, обменивается с ней веществом, энергией, информацией (рис. 2). Каждый ее элемент является подсистемой. Система, включающая анализируемый объект как подсистему, называется надсистемой . Можно считать, что система имеет входы , на которые поступают сигналы, и выходы , выдающие сигналы в среду. Отношение к объекту познания как к целому, составленному из многих взаимосвязанных между собой частей, позволяет увидеть за огромным количеством несущественных деталей и особенностей нечто главное и сформулировать системообразующий принцип . Если внутреннее устройство системы неизвестно, то ее считают “черным ящиком” и задают функцию, связывающую состояния входов и выходов. В этом состоит кибернетический подход . При этом анализируется поведение рассматриваемой системы, ее отклик на внешние воздействия и изменения окружающей среды.

Исследование состава и структуры объекта познания называется системным анализом . Его методология нашла свое выражение в следующих принципах : 1) принцип физичности : поведение системы описывается определенными физическими (психологическими, экономическими и др.) законами; 2) принцип моделируемости : система может быть промоделирована конечным числом способов, каждый из которых отражает ее существенные стороны; 3) принцип целенаправленности : функционирование достаточно сложных систем приводит к достижению некоторой цели, состояния, сохранения процесса; при этом система способна противостоять внешним воздействиям.

Как указывалось выше, система имеет структуру –– множество внутренних устойчивых связей между элементами, определяющее основные свойства данной системы. Ее можно представить графически в виде схемы, химической или математической формулы или графа. Это графическое изображение характеризует пространственное расположение элементов, их вложенность или подчиненность, хронологическую последовательность различных частей сложного события. При построении модели рекомендуется составлять структурные схемы изучаемого объекта, особенно если он достаточно сложен. Это позволяет понять совокупность всех интегративных свойств объекта, которыми не обладают его составные части.

Одной из важнейших идей системного подхода является принцип эмерджентности , –– при объединении элементов (частей, компонентов) в единое целое возникает системный эффект: у системы появляются качества, которым не обладает ни один из входящих в нее элементов. Принцип выделения основной структуры системы состоит в том, что изучение достаточно сложного объекта требует выдвижения на первый план некой части его структуры, являющейся главной или основной. Иными словами, нет необходимости учитывать все многообразие деталей, а следует отбросить менее существенное и укрупнить важные части объекта для того, чтобы понять основные закономерности.

Любая система взаимодействует с другими не входящими в нее системами и образующими среду. Поэтому ее следует рассматривать как подсистему некоторой более обширной системы. Если ограничиться анализом только внутренних связей, то в некоторых случаях не удастся создать правильной модели объекта. Следует учесть существенные связи системы со средой, то есть внешние факторы, и тем самым “замкнуть” систему. В этом состоит принцип замкнутости.

Чем сложнее исследуемый объект, тем больше разнообразных моделей (описаний) можно построить. Так, глядя на цилиндрическую колонну с различных сторон, все наблюдатели скажут, что ее можно промоделировать однородным цилиндрическим телом определенных размеров. Если вместо колонны наблюдатели станут рассматривать какую–то сложную архитектурную композицию, то каждый увидит свое и построит свою модель объекта. При этом, как и в случае с мудрецами, получатся различные результаты, противоречащие друг другу. И дело тут не в том, что истин много или объект познания непостоянен и многолик, а в том, что объект сложен и истина сложна, а используемые методы познания поверхностны и не позволили понять сущность до конца.

При изучении больших систем исходят из принципа иерархичности , который заключается в следующем.Изучаемый объект содержит несколько связанных подсистем первого уровня, каждая из которых сама является системой, состоящая из подсистем второго уровня и т.д. Поэтому описание структуры и создание теоретической модели должно учитывать “расположение” элементов на различных “уровнях”, то есть их иерархию. К основным свойствам систем относятся: 1) целостность , то есть несводимость свойств системы к сумме свойств отдельных элементов; 2) структурность , –– неоднородность, наличие сложной структуры; 3) множественность описания , –– система может быть описана различными способами; 4) взаимозависимость системы и среды , –– элементы системы связаны с объектами, не входящими в нее и образующими окружающую среду; 5) иерархичность , –– система имеет многоуровневую структуру.

1.4. Качественные и количественные модели

Задача науки состоит в построении теоретической модели окружающего мира, которая бы объясняла известные и предсказывала неизвестные явления. Теоретическая модель может быть качественной или количественной. Рассмотрим качественное объяснение электромагнитных колебаний в колебательном контуре, состоящем из конденсатора и катушки индуктивности. При подключении заряженного конденсатора к катушке индуктивности он начинает разряжаться, через катушку индуктивности течет ток, энергия электрического поля переходит в энергию магнитного поля. Когда конденсатор полностью разрядился, ток через катушку индуктивности достигает максимального значения. За счет инерционности катушки индуктивности, обусловленной явлением самоиндукции, происходит перезарядка конденсатора, он заряжается в обратном направлении и т.д. Эта качественная модель явления позволяет проанализировать поведение системы и предсказать, например, что при уменьшении емкости конденсатора частота собственных колебаний контура возрастет.

Важным шагом на пути познания является переход от качественно–описательных методов к математическим абстракциям . Решение многих проблем естествознания потребовало оцифровки пространства и времени, введения понятия системы координат, разработки и совершенствования методов измерения различных физических, психологических и иных величин, что позволило оперировать с численными значениями. В результате были получены достаточно сложные математические модели, представляющие систему алгебраических и дифференциальных уравнений. В настоящее время исследование природных и иных явлений уже не ограничивается качественными рассуждениями, а предусматривает построение математической теории.

Создание количественной модели электромагнитных колебаний в RLC-цепи предполагает введение точных и однозначных способов определения и измерения таких величин, как сила тока , заряд , напряжение , емкость , индуктивность , сопротивление . Не зная, как измерить силу тока в цепи или емкость конденсатора, бессмысленно говорить о каких–то количественных соотношениях. Имея однозначные определения перечисленных величин, и установив процедуру их измерения, можно приступать к построению математической модели, записи системы уравнений. В результате получается неоднородное дифференциальное уравнение второго порядка . Его решение позволяет, зная заряд конденсатора и ток через катушку индуктивности в начальный момент, определить состояние цепи в последующие моменты времени.

Построение математической модели требует определения независимых величин, однозначно описывающих состояние исследуемого объекта. Например, состояние механической системы определяется координатами входящих в нее частиц и проекциями их импульсов. Состояние электрической цепи задается зарядом конденсатора, силой тока через катушку индуктивности и т.д. Состояние экономической системы определяется набором таких показателей, как количество денежных средств, вложенных в производство, прибыль, число рабочих, занятых изготовлением продукции и т.д.

Поведение объекта во многом определяется его параметрами, то есть величинами, которые характеризуют его свойства. Так, параметрами пружинного маятника являются жесткость пружины и масса подвешенного к ней тела. Электрическая RLC–цепь характеризуется сопротивлением резистора, емкостью конденсатора, индуктивностью катушки. К параметрам биологической системы относятся коэффициент размножения, количество биомассы, потребляемой одним организмом и т.д. Другим важным фактором, влияющим на поведение объекта, является внешнее воздействие. Очевидно, что поведение механической системы зависит от действующих на нее внешних сил. На процессы в электрической цепи влияет приложенное напряжение, а развитие производства связано с внешней экономической ситуацией в стране. Таким образом, поведение исследуемого объекта (а значит и его модели) зависит от его параметров, начального состояния и внешнего воздействия.

Создание математической модели требует определения совокупности состояний системы, множества внешних воздействий (входных сигналов) и откликов (выходных сигналов), а также задания соотношений, связывающих отклик системы с воздействием и ее внутренним состоянием. Они позволяют исследовать огромное количество различных ситуаций, задавая иные параметры системы, начальные условия и внешние воздействия. Искомая функция, характеризующая отклик системы, получается в табличном или графическом виде.

Все существующие способы исследования математической модели можно разделить на две группы.Аналитическое решение уравнения часто предусматривает проведение громоздких и сложных математических выкладок и в результате приводит к уравнению, выражающему функциональную связь между искомой величиной, параметрами системы, внешним воздействием и временем. Результаты такого решения нуждаются в интерпретации, предполагающей анализ полученных функций, построение графиков. Численные методы исследования математической модели на ЭВМ предполагают создание компьютерной программы, которая решает систему соответствующих уравнений и выводит на экран таблицу либо графическое изображение. Получающиеся статические и динамические картинки наглядно пояснять сущность исследуемых процессов.

1.5. Компьютерное моделирование

Эффективным способом изучения явлений окружающей действительности является научный эксперимент , состоящий в воспроизведении изучаемого явления природы в управляемых и контролируемых условиях. Однако часто проведение эксперимента невозможно либо требует слишком больших экономических затрат и может привести к нежелательным последствиям. В этом случае исследуемый объект заменяют компьютерной моделью и исследуют ее поведение при различных внешних воздействиях. Повсеместное распространение персональных компьютеров, информационных технологий, создание мощных суперЭВМ сделало компьютерное моделирование одним из результативных методов изучения физических, технических, биологических, экономических и иных систем. Часто компьютерные модели проще и удобнее исследовать, они позволяют проводить вычислительные эксперименты, реальная постановка которых затруднена или может дать непредсказуемый результат. Логичность и формализованность компьютерных моделей позволяет выявить основные факторы, определяющие свойства изучаемых объектов, исследовать отклик физической системы на изменения ее параметров и начальных условий.

Компьютерное моделирование требует абстрагирования от конкретной природы явлений, построения сначала качественной, а затем и количественной модели. За этим следует проведение серии вычислительных экспериментов на компьютере, интерпретация результатов, сопоставление результатов моделирования с поведением исследуемого объекта, последующее уточнение модели и т.д. Вычислительный эксперимент фактически является экспериментом над математической моделью исследуемого объекта, проводимого с помощью ЭВМ . Часто он значительно дешевле и доступнее натурного эксперимента, его выполнение требует меньшего времени, он дает более подробную информацию о величинах, характеризующих состояние системы.

Сущность компьютерного моделирования системы заключается в создании компьютерной программы (пакета программ), описывающей поведение элементов исследуемой системы в процессе ее функционирования, учитывающей их взаимодействие между собой и внешней средой, и проведении на ЭВМ серии вычислительных экспериментов. Это делается с целью изучения природы и поведения объекта, его оптимизации и структурного развития, прогнозирования новых явлений. Перечислим требования , которым должна удовлетворять модель исследуемой системы : 1. Полнота модели, то есть возможность вычисления всех характеристик системы с требуемой точностью и достоверностью. 2. Гибкость модели, что позволяет воспроизводить и проигрывать различные ситуации и процессы, изменять структуру, алгоритмы и параметры изучаемой системы. 3. Длительность разработки и реализации , характеризующая временные затраты на создание модели. 4. Блочность структуры , допускающая добавление, исключение и замену некоторых частей (блоков) модели. Кроме того, информационное обеспечение, программные и технические средства должны позволять модели обмениваться информацией с соответствующей базой данных и обеспечивать эффективную машинную реализацию и удобную работу пользователя.

К основным этапам компьютерного моделирования относятся (рис. 3): 1) постановка задачи , описание исследуемой системы и выявление ее компонентов и элементарных актов взаимодействия; 2) формализация , то есть создание математической модели, представляющей собой систему уравнений и отражающей сущность исследуемого объекта; 3) разработка алгоритма , реализация которого позволит решить поставленную задачу; 4) написание программы на конкретном языке программирования; 5) планирование и выполнение вычислений на ЭВМ, доработка программы и получение результатов; 6) анализ и интерпретация результатов , их сопоставление с эмпирическими данными. Затем все это повторяется на следующем уровне.

Разработка компьютерной модели объекта представляет собой последовательность итераций: сначала на основе имеющейся информации о системе S строится модель
, проводится серия вычислительных экспериментов, результаты анализируются. При получении новой информации об объекте S учитываются дополнительные факторы, получается модель
, поведение которой тоже исследуется на ЭВМ. После этого создаются модели
,
и т.д. до тех пор, пока не получится модель, с требуемой точностью соответствующая системе S.

Рис. 3. Этапы компьютерного моделирования.

В общем случае поведение исследуемой системы описывается законом функционирования , где
–– вектор входных воздействий (стимулов),
–– вектор выходных сигналов (откликов, реакций),
–– вектор воздействий внешней среды,
–– вектор собственных параметров системы . Закон функционирования может иметь вид словесного правила, таблицы, алгоритма, функции, совокупности логических условий и т.д. В случае, когда закон функционирования содержит время, говорят о динамических моделях и системах. Например, разгон и торможение асинхронного двигателя, переходный процесс в цепи, содержащей конденсатор, функционирование вычислительной сети, системы массового обслуживания. Во всех этих случаях состояние системы, а значит и ее модели, изменяется с течением времени.

Если поведение системы описывается законом
, не содержащим время явно, то речь идет о статических моделях и системах, решении стационарных задач и т.д. Приведем несколько примеров: расчет нелинейной цепи постоянного тока, нахождение стационарного распределения температуры в стержне при постоянных температурах его концов, формы упругой пленки, натянутой на каркас, профиля скоростей в установившемся течении вязкой жидкости и т.д.

Функционирование системы можно рассматривать как последовательную смену состояний
,
, … ,
, которым соответствуют некоторые точки в многомерном фазовом пространстве. Множество всех точек
, отвечающих всевозможным состояниям системы, называют пространством состояний объекта (или модели). Каждой реализации процесса соответствует одна фазовая траектория, проходящая через некоторые точки из множества . Если математическая модель содержит элемент случайности, то получается стохастическая компьютерная модель. В частном случае, когда параметры системы и внешние воздействия однозначно определяют выходные сигналы, говорят о детерминированной модели.

Принципы компьютерного моделирования. Связь c другими методами познания

Итак, модель –– это объект, заменяющий исследуемую систему, и имитирующий ее структуру и поведение. Моделью может являться материальный объект, совокупность особым образом упорядоченных данных, система математических уравнений или компьютерная программа.Под моделированием понимают представление основных характеристик объекта исследования с помощью другой системы (материального объекта, совокупности уравнений, компьютерной программы). Перечислим принципы моделирования :

1. Принцип адекватности: Модель должна учитывать наиболее существенные стороны исследуемого объекта и отражать его свойства с приемлемой точностью. Только в этом случае результаты моделирования можно распространить на объект исследования.

2. Принцип простоты и экономичности: Модель должна быть достаточно простой для того чтобы ее использование было эффективно и экономически выгодно. Она не должна быть более сложной, чем это требуется для исследователя.

3. Принцип информационной достаточности: При полном отсутствии информации об объекте построить модель невозможно. При наличии полной информации моделирование лишено смысла. Существует уровень информационной достаточности, при достижении которого может быть построена модель системы.

4. Принцип осуществимости: Создаваемая модель должна обеспечивать достижение поставленной цели исследования за конечное время.

5. Принцип множественности и единства моделей: Любая конкретная модель отражает лишь некоторые стороны реальной системы. Для полного исследования необходимо построить ряд моделей, отражающих наиболее существенные стороны исследуемого процесса и имеющих что–то общее. Каждая последующая модель должна дополнять и уточнять предыдущую.

6. Принцип системности. Исследуемая система представима в виде совокупности взаимодействующих друг с другом подсистем, которые моделируются стандартными математическими методами. При этом свойства системы не являются суммой свойств ее элементов.

7. Принцип параметризации. Некоторые подсистемы моделируемой системы могут быть охарактеризованы единственным параметром (вектором, матрицей, графиком, формулой).

Модель должна удовлетворять следующим требованиям : 1) быть адекватной, то есть отражать наиболее существенные стороны исследуемого объекта с требуемой точностью; 2) способствовать решению определенного класса задач; 3) быть простой и понятной, основываться на минимальном количестве предположений и допущений; 4) позволять модифицировать и дополнять себя, переходить к другим данным; 5) быть удобной в использовании.

Связь компьютерного моделирования с другими методами познания показана из рис. 4. Объект познания исследуется эмпирическими методами (наблюдение, эксперимент), установленные факты являются основой для построения математической модели. Получившаяся система математических уравнений может исследоваться аналитическими методами или с помощью ЭВМ, –– в этом случае речь идет о создании компьютерной модели изучаемого явления. Проводится серия вычислительных экспериментов или компьютерных имитаций, и получающиеся результаты сопоставляются с результатами аналитического исследования математической модели и экспериментальными данными. Выводы учитываются для улучшения методики экспериментального изучения объекта исследования, развития математической модели и совершенствования компьютерной модели. Исследование социальных и экономических процессов отличается лишь невозможностью в полной мере использовать экспериментальные методы.

Рис. 4. Компьютерное моделирование среди других методов познания.

1.6. Виды компьютерных моделей

Под компьютерным моделированием в самом широком смысле будем понимать процесс создания и исследования моделей с помощью компьютера. Выделяют следующие виды моделирования :

1. Физическое моделирование : компьютер –– часть экспериментальной установки или тренажера, он воспринимает внешние сигналы, осуществляет соответствующие расчеты и выдает сигналы, управляющие различными манипуляторами. Например, учебная модель самолета, представляющая собой кабину, установленную на соответствующих манипуляторах, соединенных с компьютером, который реагирует на действия пилота и изменяет наклон кабины, показания приборов, вид из иллюминатора и т.д., имитируя полет реального самолета.

2. Динамическое или численное моделирование , предполагающее численное решение системы алгебраических и дифференциальных уравнений методами вычислительной математики и проведение вычислительного эксперимента при различных параметрах системы, начальных условиях и внешних воздействиях. Используется для моделирования различных физических, биологических, социальных и других явлений: колебания маятника, распространение волны, изменение численности населения, популяции данного вида животных и т.д.

3. Имитационное моделирование состоит в создании компьютерной программы (или пакета программ), имитирующей поведение сложной технической, экономической или иной системы на ЭВМ с требуемой точностью. Имитационное моделирование предусматривает формальное описание логики функционирования исследуемой системы с течением времени, которое учитывает существенные взаимодействия ее компонентов и обеспечивает проведение статистических экспериментов. Объектно-ориентированные компьютерные симуляции используются для исследования поведения экономических, биологических, социальных и иных систем, для создания компьютерных игр, так называемого “виртуального мира”, обучающих программ и анимаций. Например, модель технологического процесса, аэродрома, некоторой отрасли производства и т.д.

4. Статистическое моделирование используется для изучения стохастических систем и состоит в многократном проведении испытаний с последующей статистической обработкой получающихся результатов. Подобные модели позволяют исследовать поведение всевозможных систем массового обслуживания, многопроцессорных систем, информационно-вычислительных сетей, различных динамических систем, на которые воздействуют случайные факторы. Статистические модели применяются при решении вероятностных задач, а также при обработке больших массивов данных (интерполяция, экстраполяция, регрессия, корреляция, расчет параметров распределения и т.д.). Они отличаются от детерминированных моделей, использование которых предполагает численное решение систем алгебраических или дифференциальных уравнений, либо замену изучаемого объекта детерминированным автоматом.

5. Информационное моделирование заключается в создании информационной модели, то есть совокупности специальным образом организованных данных (знаков, сигналов), отражающих наиболее существенные стороны исследуемого объекта. Различают наглядные, графические, анимационные, текстовые, табличные информационные модели. К ним относятся всевозможные схемы, графы, графики, таблицы, диаграммы, рисунки, анимации, выполненные на ЭВМ, в том числе цифровая карта звездного неба, компьютерная модель земной поверхности и т.д.

6. Моделирование знаний предполагает построение системы искусственного интеллекта, в основе которой лежит база знаний некоторой предметной области (части реального мира). Базы знаний состоят из фактов (данных) и правил . Например, компьютерная программа, умеющая играть в шахматы (рис. 5), должна оперировать информацией о “способностях” различных шахматных фигур и “знать” правила игры. К данному виду моделей относят семантические сети, логических модели знаний, экспертные системы, логические игры и т.д. Логические модели используются для представления знаний в экспертных системах, для создания систем искусственного интеллекта, осуществления логического вывода, доказательства теорем, математических преобразований, построения роботов, использования естественного языка для общения с ЭВМ, создания эффекта виртуальной реальности в компьютерных играх и т.д.

Рис. 5. Компьютерная модель поведения шахматиста.

Исходя из целей моделирования , компьютерные модели подразделяют на группы: 1) дискриптивные модели , используемые для понимания природы исследуемого объекта, выявления наиболее существенных факторов, влияющих на его поведение; 2) оптимизационные модели , позволяющие выбрать оптимальный способ управления технической, социально-экономической или иной системой (например, космической станцией); 3) прогностические модели , помогающие прогнозировать состояние объекта в последующие моменты времени (модель земной атмосферы, позволяющая предсказать погоду); 4) учебные модели , применяемые для обучения, тренинга и тестирования учащихся, студентов, будущих специалистов; 5) игровые модели , позволяющие создать игровую ситуацию, имитирующую управление армией, государством, предприятием, человеком, самолетом и т.д., либо играющие в шахматы, шашки и другие логические игры.

Классификация компьютерных моделей

по типу математической схемы

В теории моделирования систем компьютерные модели подразделяются на численные, имитационные, статистические и логические. При компьютерном моделировании, как правило, используют одну из типовых математических схем: дифференциальные уравнения, детерминированные и вероятностные автоматы, системы массового обслуживания, сети Петри и т.д. Учет способа представления состояния системы и степени случайности моделируемых процессов позволяет построить таблицу 1.

Таблица 1.

По типу математической схемы различают : 1. Непрерывно–детеминированные модели , которые используются для моделирования динамических систем и предполагают решение системы дифференциальных уравнений. Математические схемы этого вида называются D-схемами (от англ. dynamic). 2. Дискретно–детерминированные модели используются для исследования дискретных систем, которые могут находиться в одном из множества внутренних состояний. Они моделируются абстрактным конечным автоматом, задаваемым F–схемой (от англ. finite automata): . Здесь
, –– множества входных и выходных сигналов, –– множеством внутренних состояний,
–– функция переходов,
–– функция выходов. 3. Дискретно–стохастические модели предполагают использование схемы вероятностных автоматов, функционирование которых содержит элемент случайности. Они также называются P–схемами (от англ. probabilistic automat). Переходы такого автомата из одного состояния в другое определяется соответствующей матрицей вероятностей. 4. Непрерывно-стохастические модели как правило применяются для изучения систем массового обслуживания и называются Q–схемами (от англ. queueing system). Для функционирования некоторых экономических, производственных, технических систем присуще случайное появление требований (заявок) на обслуживание и случайное время обслуживания. 5. Сетевые модели используются для анализа сложных систем, в которых одновременно протекает несколько процессов. В этом случае говорят о сетях Петри и N–схемах (от англ. Petri Nets). Сеть Петри задается четверкой , где – множество позиций,
– множество переходов, – входная функция, – выходная функция. Маркированная N-схема позволяет промоделировать параллельные и конкурирующие процессы в различных системах. 6. Комбинированные схемы основываются на понятии агрегативной системы и называются A-схемами (от англ. aggregate system). Этот универсальных подход, разработанный Н.П.Бусленко , позволяет исследовать всевозможные системы, которые рассматриваются как совокупность взаимосвязанных между собой агрегатов. Каждый агрегат характеризуется векторами состояний, параметров, воздействия внешней среды, входных воздействий (управляющих сигналов), начальных состояний, выходных сигналов, оператором переходов, оператором выходов.

Исследование имитационной модели производится на цифровых и аналоговых вычислительных машинах. Используемая имитационная система включает в себя математическое, программное, информационное, техническое и эргономическое обеспечение. Эффективность имитационного моделирования характеризуется точностью и достоверностью получающихся результатов, стоимостью и временем создания модели и работы с ней, затратами машинных ресурсов (времени вычислений и требуемой памяти). Для оценки эффективности модели необходимо получающиеся результаты сравнить с результатами натурного эксперимента, а также результатами аналитического моделирования.

В некоторых случаях приходится объединять численное решение дифференциальных уравнений и имитацию функционирования той или иной достаточно сложной системы. В этом случае говорят о комбинированном или аналитико-имитационном моделировании . Его основное преимущество состоит в возможности исследования сложных систем, учета дискретных и непрерывных элементов, нелинейности различных характеристик, случайные факторы. Аналитическое моделирование позволяет проанализировать только достаточно простые системы.

Одним из эффективных методов исследования имитационных моделей является метод статистических испытаний . Он предусматривает многократное воспроизведение того или иного процесса при различных параметрах, изменяющихся случайным образом по заданному закону. ЭВМ может провести 1000 испытаний и зарегистрировать основные характеристики поведения системы, ее выходные сигналы, а затем определить их математическое ожидание, дисперсию, закон распределения. Недостаток использования машинной реализации имитационной модели состоит в том, что полученное с ее помощью решение имеет частный характер и соответствует конкретным параметрам системы, ее начальному состоянию и внешним воздействиям. Преимущество заключается в возможности исследования сложных систем.

1.8. Области применения компьютерных моделей

Совершенствование информационных технологий обусловило использование компьютеров практически во всех сферах деятельности человека. Развитие научных теорий предполагает выдвижение основных принципов, построение математической модели объекта познания, получение из нее следствий, которые могут быть сопоставлены с результатами эксперимента. Использование ЭВМ позволяет, исходя из математических уравнений, рассчитать поведение исследуемой системы в тех или иных условиях. Часто это единственный способ получения следствий из математической модели. Например, рассмотрим задачу о движении трех или более частиц, взаимодействующих друг с другом, которая актуальна при исследовании движении планет, астероидов и других небесных тел. В общем случае она сложна и не имеет аналитического решения, и лишь использование метода компьютерного моделирования позволяет рассчитать состояние системы в последующие моменты времени.

Совершенствование вычислительной техники, появление ЭВМ, позволяющей быстро и достаточно точно осуществлять вычисления по заданной программе, ознаменовало качественный скачок на пути развития науки. На первый взгляд кажется, что изобретение вычислительных машин не может непосредственно влиять на процесс познания окружающего мира. Однако это не так: решение современных задач требует создания компьютерных моделей, проведения огромного количества вычислений, что стало возможным лишь после появления электронно–вычислительных машин, способных выполнять миллионы операций в секунду. Существенным является и то, что вычисления производятся автоматически, в соответствии с заданным алгоритмом и не требуют вмешательства человека. Если ЭВМ относится к технической базе проведения вычислительного эксперимента, то ее теоретическую основу составляют прикладная математика, численные методы решения систем уравнений.

Успехи компьютерного моделирования тесно связаны с развитием численных методов, начавшегося с фундаментальных работ Исаака Ньютона, который еще в 17 веке предложил их использовать для приближенного решения алгебраических уравнений. Леонард Эйлер разработал метод решения обыкновенных дифференциальных уравнений. Из современных ученых весомый вклад в развитие компьютерного моделирования сделал академик А.А.Самарский , основоположник методологии вычислительного эксперимента в физике. Именно им была предложена знаменитая триада "модель – алгоритм – программа" и разработана технология компьютерного моделирования, успешно используемая для изучения физических явлений. Одним из первых выдающихся результатов компьютерного эксперимента в физике является открытие в 1968 году температурного токового слоя в плазме, создаваемой в МГД–генераторах (эффект Т–слоя). Оно было выполнено на ЭВМ и позволило предсказать исход реального эксперимента, проведенного через несколько лет. В настоящее время вычислительный эксперимент используется для выполнения исследований в следующих направлениях : 1) расчет ядерных реакций; 2) решение задач небесной механики, астрономии и космонавтики; 3) изучение глобальных явлений на Земле, моделирование погоды, климата, исследование экологических проблем, глобального потепления, последствий ядерного конфликта и т.д.; 4) решение задач механики сплошных сред, в частности, гидродинамики; 5) компьютерное моделирование различных технологических процессов; 6) расчет химических реакций и биологических процессов, развитие химической и биологической технологии; 7) социологические исследования, в частности, моделирование выборов, голосования, распространение сведений, изменение общественного мнения, военных действий; 8) расчет и прогнозирование демографической ситуации в стране и мире; 9) имитационное моделирование работы различных технических, в частности, электронных устройств; 10) экономические исследования развития предприятия, отрасли, страны.

Литература

Боев В.Д., Сыпченко Р.П., Компьютерное моделирование. –– ИНТУИТ.РУ, 2010. –– 349 с. Булавин Л.А., Выгорницкий Н.В., Лебовка Н.И. Компьютерное моделирование физических систем. –– Долгопрудный: Издательский Дом “Интеллект”, 2011. – 352 c. Бусленко Н.П. Моделирование сложных систем. –– М.: Наука, 1968. –– 356 с. Дворецкий С.И., Муромцев Ю.Л., Погонин В.А. Моделирование систем. –– М.: Изд. центр “Академия”, 2009. –– 320 с. Кунин С. Вычислительная физика. –– М.: Мир, 1992. –– 518 с. Паничев В.В., Соловьев Н.А. Компьютерное моделирование: учебное пособие. –– Оренбург: ГОУ ОГУ, 2008. -- 130 с. Рубанов В.Г., Филатов А.Г. Моделирование систем учебное пособие. –– Белгород: Изд–во БГТУ, 2006. ­­–– 349 с. Самарский А.А., Михайлов А.П. Математическое моделирование: Идеи. Методы. Примеры. –– М.: Физматлит, 2001. –– 320 с. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб для вузов ­­–– М.: Высш. Шк., 2001. – 343 с.

10. Федоренко Р.П. Введение в вычислительную физику: Учеб. пособие: Для вузов. –– М.: Изд–во Моск. физ.–техн. ин–та, 1994. –– 528 с.

11. Шеннон Р. Имитационное моделирование систем: искусство и наука. –– М.: Мир, 1978. –– 302 с.

Майер Р.В. КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ: МОДЕЛИРОВАНИЕ КАК МЕТОД НАУЧНОГО ПОЗНАНИЯ.КОМПЬЮТЕРНЫЕ МОДЕЛИ И ИХ ВИДЫ // Научный электронный архив.
URL: (дата обращения: 28.03.2019).