Архитектура Аудит Военная наука Иностранные языки Медицина Металлургия Метрология
Образование Политология Производство Психология Стандартизация Технологии


Информационная модель (определение). Постулаты, лежащие в основе информационного моделирования.



Информационная модель — модель объекта, представленная в виде информации, описывающей существенные для данного рассмотрения параметры и переменные величины объекта, связи между ними, входы и выходы объекта и позволяющая путём подачи на модель информации об изменениях входных величин моделировать возможные состояния объекта. Информационные модели нельзя потрогать или увидеть, они не имеют материального воплощения, потому что строятся только на информации. Информационная модель — совокупность информации, характеризующая существенные свойства и состояния объекта, процесса, явления, а также взаимосвязь с внешним миром.

Информационные модели делятся на описательные и формальные.

Описательные информационные модели - это модели, созданные на естественном языке (т.е. на любом языке общения между людьми: английском, русском, китайском, мальтийском и т.п.) в устной или письменной форме.

Формальные информационные модели - это модели, созданные на формальном языке (т.е. научном, профессиональном или специализированном). Примеры формальных моделей: все виды формул, таблицы, графы, карты, схемы и т.д

В основе информационного моделирования лежат три основных постулата:

1. Все состоит из элементов;

2. Элементы имеют свойства;

3. Элементы связаны между собой отношениями.

Объект, к которому применимы эти постулаты, может быть представлен информационной моделью.

Различные подходы к классификации информационных моделей.

Классификация информационных моделей может основываться на разных принципах. Если классифицировать их по доминирующей в процессе моделирования технологии, то можно выделить математические модели, графические модели, имитационные модели, табличные модели, статистические модели и пр. Если же положить в основу классификации предметную область, то можно выделить модели физических систем и процессов, модели экологических (биологических) систем и процессов, модели процессов оптимального экономического планирования, модели учебной деятельности, модели знаний и др. Вопросы классификации важны для науки, т.к. они позволяют сформировать системный взгляд на проблему, но преувеличивать их значение не следует. Разные подходы к классификации моделей могут быть в равной мере полезны. Кроме того, конкретную модель отнюдь не всегда можно отнести к одному классу, даже если ограничиться приведенным выше списком.

Классификация информационных моделей

По способу описания:

· с помощью формальных языков (язык математики, таблицы, языки программирования, расширение естественного языка человека и т. д.),

· графическое (блок-схемы, диаграммы, графики и т. д.);

по цели создания:

· классификационные (древовидные, генеалогическое дерево, развитие природы по Дарвину, дерево каталогов в компьютере),

· динамические (как правило, строятся на основе решения дифференциальных уравнений и служат для решения задач управления и прогнозирования);

по природе моделируемого объекта:

· детерминированные (определенные), при которых известны законы, по которым изменяется или развивается объект,

· вероятностные (обработка статистической неопределенности и некоторых видов нечеткой информации).

Примеры информационных моделей: паспорт личности; личное дело работника; описание спортивной дисциплины или игры; структура государства и власти; экономическая модель развития общества; структурное построение языка и т. д.

 

.

Классификационные модели.

Классификационные модели являются основополагающими, исходными формами знаний. В науке познание начинается с соотнесения познаваемого объекта с другими, выявления сходствами различия между ними. Поэтому протокол наблюдений на классификационном уровне эксперимента содержит результаты измерения ряда признаков. Признак характеризует конкретное свойство объекта.

Модели, с помощью которых осуществляется прогнозирование класса объекта, будем называть классификационными.

Примеры классификационных моделей - модели на основе деревьев решений, а также байесовский метод. При помощи классификационной модели решаются следующие задачи:

- принадлежит ли новый клиент к одному из набора существующих классов;

- подходит ли пациенту определенный курс лечения;

- выявление групп ненадежных клиентов;

- определение групп клиентов, которым следует рассылать каталог с новой продукцией.

Деревья решений и простые байесовы модели — два самых популярных типа классификационных моделей.

 

Динамические модели. Модель динамики популяции.

Динамические модели

В отличие от статических, независимых от времени, моделей динамические модели описывают экономические или управленческие процессы или системы в движении, то есть, в зависимости от временных периодов, что были или будут. Динамические модели позволяют прогнозировать развития процесса на будущие, чтобы уже сейчас иметь представление о его результатах и соответствующим образом реагировать на определенные следствие этого развития.

Динамическое моделирование – многошаговый процесс, каждый шаг соответствует поведению экономической системы у определенный временный период. Каждый поточный шаг получает результаты предыдущего шага, за определенными правилами определяет текущий результат и формирует данные для следующего шага.

Таким образом, динамическая модель в ускоренном режиме позволяет исследовать развития сложной экономической системы, скажем, предприятия, на протяжении определенного периода планирования в условиях изменения ресурсного обеспечения (сырья, кадров, финансов, техники), и получение результаты представить у соответствующему плане развития предприятия на заданный период.

Динамические системы, в отличие от статических, помнят свое прошлое состояние, то есть обладают памятью. Поэтому в записи модели динамических систем присутствует производная, связывающая прошлое состояние системы с настоящим. Чем большей памятью обладает система, тем больше состояний из прошлого влияют на настоящее, тем большая степень старшей производной используется в записи модели.

Задача 1. На входе и выходе черного ящика (рис. 2.1) имеются зависимости параметров X и Y от времени t. Задача состоит в том, чтобы адекватно определить черный ящик.

 

Рис. 2.1. Черный ящик, содержащий динамическую систему. Условное обозначение

Графики зависимостей X(t) и Y(t) могут быть самыми разными, например, такими, как показано на рис. 2.2.

 

Рис. 2.2. Временные зависимости — входной и выходной сигналы

Поскольку моделирование систем подразумевает численные расчеты на компьютере, то аналоговый сигнал переводят в дискретный вид.

Любая динамическая система характеризуется рядом параметров. Обычно (чаще всего) параметрами называют коэффициенты при производных (первой, второй и т. д.) в записи модели. Чем большая степень старшей производной присутствует в записи модели, тем больший порядок динамической системы, тем глубже ее память, и тем больше коэффициентов (параметров) надо определить, чтобы идентифицировать систему.

Как определить параметры динамической системы? Сначала нужно оценить порядок динамической системы: он совпадает со степенью наибольшей из производных Y по отношению к t.

 

Модель динамики популяции.

Будем считать, что учет численности популяии производится в дискретные моменты времени(один раз в год для зайцев или один раз в день для бактерий – непринципиально). Пусть Nn – численность популяции в n-й момент времени, n =1, 2 …

Для построения модели требуется учесть основные факторы, влияющие на изменение численности. Таковыми являются рождаемость и смертность. Предполагается, что за время, прошедшее между соседними моментами наблюдений n и n + 1, появилось на свет Nn и умерло Nn осыбей. Данное предположение кажется достаточно естественным: количество родившихся, как и количество умерших осыбей должно быть пропорционально общему числу Nn осыбей в популяуии. Соответствующие пропорции задаются параметрами - коэффициент рождаемости, – коэффициент смертности. Отметим, что 0< = , < =1.

В результате учета этих факторов получаем уровнение:

Nn+1= Nn + Nn + Nn= Nn (1),

То есть линейную модель динамики популяции. Эта модель в действительности зависит только от одного параметра - коэффициент естественного прироста, > =0.

 


Поделиться:



Последнее изменение этой страницы: 2017-04-12; Просмотров: 1780; Нарушение авторского права страницы


lektsia.com 2007 - 2024 год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! (0.022 с.)
Главная | Случайная страница | Обратная связь