Важнейшее решение, которое часто принимается в самом начале процесса моделирования, касается природы рассматриваемых математических переменных. По существу они делятся на два класса. В один из них входят известные характеристики, т.е. величины, поддающиеся (по крайней мере теоретически) точному измерению и управлению. Такие переменные называются детерминированными переменными. В другой класс входят неизвестные характеристики, т.е. величины, которые никогда не могут быть точно измерены и имеют случайный характер – они называются стохастическими переменными. Модель, содержащая стохастические переменные, должна по определению описываться математическим аппаратом теории вероятностей и статистики. Детерминированные переменные часто, но не всегда требуют привлечения обычного математического анализа. Природа некоторых ситуаций бывает ясна не сразу, другие ситуации характеризуются переменными обоих типов. Для построения модели чрезвычайно важно, чтобы природа переменных была правильно представлена.
2. Эволюционный процесс в моделировании.
Говоря о математическом моделировании, нельзя не обратить внимания на эволюционный процесс "смены" парадигм моделирования, который, как кажется, характерен для многих дисциплинарных областей, где применяются методы теории управления. До сих пор ни в одной из работ по теории моделирования этот процесс не рассматривался как "смена поколений" математических моделей. Тем не менее, сейчас можно было бы говорить уже о трех таких поколениях. На первых этапах речь чаще всего идет о математической записи отдельных феноменологических наблюдений над реальными объектами. Для них характерна простота описаний, типична линейность уравнений и малая размерность (часто воспроизводится всего одна или две переменных). Методы анализа связаны в основном с получением аналитических решений и графическим рассмотрением на фазовой плоскости. Затем появляются модели, описывающие объект "во всей его полноте" - в них объект представлен в виде "системы" - модель отражает его структуру и законы, по которым он функционирует. Модели становятся существенно нелинейными, чисто математический аппарат дополняется логико-семантическим. Возрастает размерность, достигая нескольких десятков. Такие модели называются "сложными", "большими", а рабочим инструментом на этом этапе становится вычислительный эксперимент. Трудно не заметить, что в настоящее время начинается переход к третьему поколению математических моделей - моделям виртуального мира. Виртуальное моделирование можно определить как воспроизведение трехмерного мира компьютерными средствами. Резко возрастает объем обрабатываемой и воспроизводимой информации (например, количество визуализируемых "деталей" достигает нескольких тысяч). Любопытно, что модели третьего поколения по своей математической сущности могут быть как "феноменологическими", так и "системными" - на содержании этих понятий мы остановимся чуть ниже.
Процесс смены поколений моделей можно проиллюстрировать на многих дисциплинарных примерах - в небесной механике это переход от феноменологической модели Птолемея к системной модели Коперника-Кеплера и затем к современным моделям (таким, как совокупные модели движения объектов в космическом пространстве в системах слежения, используемых в космонавтике и в военном деле, или как виртуальные модели небесных явлений в мультимедийных системах Redshift).
В биомедицине первое поколение моделей появилось в самом конце XIX в. - модель сердца как "эластичного резервуара" О.Франка представляла собой типичную феноменологическую модель (модель данных). Многочисленные модели физиологических процессов охарактеризовали приход второго поколения моделей - системных моделей процессов жизнедеятельности, использовавшихся для исследования процессов управления искусственными органами. Развитие тренажерных моделей (в том числе мультимедийных) характеризует начало третьего этапа.
Наконец, такая же картина наблюдается в управлении технологическими процессами. Феноменологические модели передаточных функций, восстановленные по входо-выходным характеристикам объектов, сменились системными методами пространства состояний. Третий этап математического моделирования также связан здесь с виртуальным моделированием - динамическим моделированием в реальном масштабе времени.
Говоря о России, можно вспомнить, что наука математического моделирования развивается с 1960-х гг. и имеет большие традиции. Но для нас сейчас важно другое - часть накопленного тогда потенциала, получившая развитие в теории управления и ее применениях, до сих пор остается "невостребованной" современной наукой о моделировании в ее "чистом" виде, оставшись и за рамками книги.
Отметим, что многие фундаментальные проблемы прикладного моделирования впервые были выявлены И.А.Полетаевым. Он первым обратил внимание на утилитарность математических моделей, дав оригинальную классификацию моделей по целям их использования: "поисковая" модель - для проверки гипотез, "портретная", она же - демонстрационная, - для замены объекта в эксперименте (например, для тренажеров - что в то время рассматривалось едва ли не как научная фантастика) и, наконец, "исследовательская модель", что в современном понимании означает ориентацию на сложный вычислительный эксперимент.
В другой работе И.А.Полетаев поднял еще один столь же важный круг вопросов - о принципиальной "субъективности" математического моделирования. По меньшей мере два его высказывания и сегодня заслуживают внимания:
В задаче математического моделирования <<кроме объекта моделирования и модели, обязательно присутствует субъект моделирования, лицо, усилиями и в интересах которого осуществляется модель>>. Роль субъекта моделирования оказывается решающей, ибо именно его цели, интересы и предпочтения формируют модель.
Создание модели нужно не само по себе, а для решения практических задач, что только и может оправдать затрату сил на создание модели. Модель создается для того, чтобы работать: <<Только полная реализация модели с ее "прогоном" через расчеты полностью окупает затраты на моделирование>>.
Например, проведение экспериментальных исследований на крупных высокотемпературных агрегатах связано с большими организационными и техническими трудностями. Поэтому возникает необходимость в разработке математических моделей, значительно сокращающих объём трудоёмких и дорогостоящих промышленных экспериментов, на долю которых остаётся лишь сбор исходной информации для расчёта, проверка адекватности математических моделей и внедрение результатов моделирования. Для формулировки граничных условий необходим детальный расчёт внешнего теплообмена. Одним из наиболее распространённых методов расчёта внешнего теплообмена является зональный метод, рассматривающий перенос тепла излучением, конвекцией и турбулентной теплопроводностью, т.е. учитывающий неравномерность распределения температур, скоростей и концентраций в рабочем пространстве топки.