загрузка...
загрузка...
На головну

Властивості моделей і вимоги до них

Класифікація моделей

Проблема класифікації моделей, як і будь-яких досить складних явищ і процесів, складна і багатогранна. Об'єктивна причина цього полягає в тому, що дослідника цікавить лише якесь одне властивість (або кілька властивостей) системи (об'єкта, процесу, явища), для відображення якого і створена модель. Тому в основу класифікації можна покласти безліч різних класифікаційних ознак: спосіб опису, функціональне призначення, ступінь деталізації, структурні властивості, область застосування і т. Д.

Розглянемо деякі найбільш часто використовувані класи (види) моделей (табл.1.4.1).

Таблиця 1.4.1

 ознака класифікації  види моделей
 сутність моделі  - Матеріальні (фізичні) - ідеальні (уявні) - інформаційні (теоретичні, абстрактні)
 Характеристика об'єкта моделювання  - Модель зовнішнього вигляду - модель структури - модель поведінки
 ступінь формалізації  - Неформалізовані - частково формалізовані - формалізовані
 призначення моделі  - Дослідні:. дескрипторно. когнітивні. концептуальні. формальні - навчальні - робочі:. оптимізаційні. управлінські
 Роль в управлінні об'єктом моделювання  - Реєструють - еталонні - прогностичні - імітаційні - оптимізаційні
 фактор часу  - Статичні - динамічні

матеріальні (Фізичні, реальні) моделі - моделі, побудовані засобами матеріального світу для відображення його об'єктів, процесів.

ідеальні (Уявні) моделі - моделі, побудовані засобами мислення на базі нашої свідомості.

Інформаційні (Абстрактні, теоретичні) моделі - моделі, побудовані на одному з мов (знакових систем) кодування інформації.

матеріальні моделі являють собою реальні, речові конструкції, службовці для заміни оригіналу в певному відношенні. Основною вимогою до побудови даного класу моделей є тре-бованіе подібності (подібності, аналогії) між моделлю і оригіналом. Розрізняють декілька типів подібності - геометричне, фізичне, аналогію і ін.

геометрична подібність є основною вимогою до побудови геометричних моделей, які представляють собою об'єкт, геометрично подібний до свого прототипу і службовець для демонстраційних цілей. Дві геометричні фігури подібні, якщо відношення всіх відповідних довжин і кутів однакові. Якщо відомий коефіцієнт подібності - масштаб, то простим множенням розмірів однієї фігури на величину масштабу визначаються розміри іншої фігури. У загальному випадку така модель демонструє принцип дії, взаємне розташування частин, процес збирання та розбирання, компоновку об'єкту і призначена для вивчення властивостей, які інваріантні (незалежні) від абсолютних величин лінійних розмірів об'єкта. Прикладами геометричних моделей є: макети машин, манекени, скульптури, протези, глобуси і т. Д. Вони зображують прототип не в усьому різноманітті його властивостей, не в будь-яких якісних межах, а в межах чисто просторових. Тут має місце схожість (подібність) не взагалі між речами, а між особливими типами речей - тілами. У цьому обмеженість даного класу моделей. Відзначимо, що тут реалізується пряме подобу.

фізична подібність відноситься до моделі і оригіналу однаковою фізичної природи і відображає їх схожість в однаковості відносин однойменних фізичних змінних у відповідних просторово-часових точках. Два явища фізично подібні, якщо за заданими характеристиками одного можна отримати характеристики іншого простим перерахуванням, який аналогічний переходу від однієї системи одиниць вимірювання до іншої. Геометрична подібність є окремим випадком фізичної подібності. При фізичному подобі модель і оригінал можуть перебувати в більш складних геометричних відносинах, ніж лінійна пропорційність, так як фізичні властивості оригіналу не пропорційні його геометричних розмірів. Тут важливо, щоб простір фізичних змінних моделі було подібно до простору фізичних змінних оригіналу. При цьому фізична модель по відношенню до оригіналу є аналогією типу ізоморфізму (взаємно однозначного відповідності). Центральною проблемою є проблема коректного перерахунку результатів модельного експерименту на результати випробування оригіналу в реальних умовах. Подібність заснована на дотриманні деяких фізичних критеріїв.

ідеальні (Уявні) моделі - це ідеальні конструкції в нашій свідомості у вигляді образів або уявлень про ті чи інші фізичні явища, процеси, об'єкти, системи (геометрична точка, нескінченність і т. Д.).

абстрактні (Теоретичні, інформаційні) моделі - моделі, що представляють об'єкти моделювання в образній або знаковій формі.

Прикладами абстрактних моделей можуть служити будь-яка гіпотеза1 про властивості матерії, припущення про поведінку складної системи в умовах невизначеності або нова теорія про будову складних систем.

На абстрактних моделях і на умоглядною аналогії (схожості) між моделлю Мі оригіналом Sбудується абстрактне (теоретичне) моді-вання.

Яскравим представником абстрактного і знакового моделювання є математична модель.

Математична модель - це сукупність математичних формул, рівнянь, співвідношень, що описує цікавлять дослідника властивості об'єкта моделювання.

Для дослідження кожного аспекту моделювання (вид, структура, поведінка) або їх комбінації можуть використовуватися відповідні моделі: моделі зовнішнього вигляду, моделі структури, моделі поведінки.

Модель зовнішнього вигляду найчастіше зводиться до перерахування зовнішніх ознак об'єкта моделювання і призначена для ідентифікації (розпізнавання) об'єкта.

модель структури являє собою перелік складових елементів об'єкта моделювання із зазначенням зв'язків між цими елементами і призначена для наочного відображення, вивчення властивостей, виявлення значущих зв'язків, дослідження стабільності об'єкта моделювання.

Модель поведінки є опис змін зовнішнього вигляду і структури об'єкта моделювання з плином часу і в результаті взаємодії з іншими об'єктами. Призначення моделей поведінки - прогнозування майбутніх станів об'єкта моделювання, управління об'єктів, встановлення зв'язків з іншими об'єктами, які не належать до об'єкта моделювання.

Об'єктивно рівні наших уявлень, рівні наших знань про різні явища, процеси, системах різні. Це відбивається в способах подання ознаками.

К неформалізовані моделям можна віднести відображення (образи), отримані з використанням різних форм мислення: емоції, інтуїції, образного мислення, підсвідомості, евристики як сукупності логічних прийомів і правил відшукання істини. При неформализованном моделюванні модель не формулюється, а замість неї використовується деякий нечітке уявне відображення (образ) реальності, що служить основою для прийняття рішення.

Прикладом невизначених (інтуїтивних) уявлень про об'єкт може служити нечіткий опис ситуації, засноване на досвіді і на ін-інтуїції.

К формалізованим моделям можна віднести образні моделі, коли моделі будуються з будь-яких наочних елементів (пружні кулі, потоки рідини, траєкторії руху тіл і т. д.).

До формалізованих абстрактним моделей належать знакові моделі, в тому числі математичні конструкції, мови програмування, естест-ються мови разом з правилами їх перетворення і інтерпретації.

За своїм призначенням моделі покликані вирішувати безліч завдань:

- дослідні (Дескрипторно, когнітивні, концептуальні, формальні) моделі призначені для генерації знань шляхом вивчення властивостей об'єкта;

- навчальні моделі призначені для передачі знань про досліджуваному об'єкті;

- робочі (Оптимізаційні, управлінські) моделі призначені для генерації правильних дій в процесі досягнення мети.

К дослідним моделей належать напівнатурні стенди, фізичні моделі, математичні моделі. Відзначимо, що дос-тельские моделі можуть виступати в якості навчальних, якщо вони перед-призначені для передачі знань про властивості об'єкта. Прикладами робочих моделей можуть служити: робот; автопілот; математична модель об'єкта, вбудована в систему управління або контролю; штучне серце і т. д. При цьому дослідні та навчальні моделі повинні наближатися до реальності, а робочі моделі повинні відображати цю реальність. Чіткої межі між цими моделями не існує. Так, наприклад, дослідницька модель, адекватно відображає властивості об'єкта, може бути використана в якості робочої.

Дослідницькі моделі є носіями нових знань, навчальні моделі з'єднують старі знання з новими.

Робочі моделі ідеалізують накопичені знання в формі ідеальних дій по виконанню тих чи інших функцій, які бажано було б здійснити.

дескрипторно моделі - Описові моделі, призначені для встановлення законів зміни параметрів цих процесів і є реалізаціями описових і пояснювальних змістовних моделей на формальному рівні моделювання.

Як приклад такої моделі можна привести модель руху матеріальної точки під дією прикладених сил, що використовує другий закон Ньютона. Ставлячи положення і швидкість точки в початковий момент часу (вхідні величини), масу точки (параметр моделі) і закон зміни яких докладають сил (зовнішні впливи), можна визначити швидкість і координати точки в будь-який інший час після цього часу (вихідні величини).

когнітивні (Уявні, пізнавальні) моделі - Моделі, що представляють собою якийсь уявний образ об'єкта, його ідеальна модель в голові дослідника, отримана в результаті спостереження за об'єктом-оригіналом.

Формуючи таку модель, дослідник, як правило, прагне відповісти на конкретні питання, тому від нескінченно складного обладнання об'єкта відсікається все непотрібне з метою отримання його більш компактного і лаконічного опису.

Когнітивні моделі суб'єктивні, так як формуються умоглядно на основі всіх попередніх знань і досвіду дослідника. Отримати уявлення про когнітивної моделі можна тільки описавши її в знаковій формі. Подання когнітивної моделі на природній мові на-ни опиняються змістовної моделлю.

Когнітивні і змістовні моделі не еквівалентні, оскільки перші можуть містити елементи, які дослідник не зможе або не хоче сформулювати.

концептуальною моделлю прийнято називати змістовну модель, при формулюванні якої використовуються поняття і уявлення предметних областей знання, що займаються вивченням об'єкта моделювання.

У більш широкому сенсі під концептуальною моделлю розуміють змістовну модель, що базується на певній концепції або точці зору.

формальна модель є поданням концептуальної моделі за допомогою одного або декількох формальних мов (наприклад, мов математичних теорій, універсальної мови моделювання або алгоритмічних мов).

У гуманітарних науках процес моделювання в багатьох випадках закінчується створенням концептуальної моделі об'єкта.

У природничо-наукових і технічних дисциплінах, як правило, вдається побудувати формальну модель.

Таким чином, когнітивні, змістовні і формальні моделі складають три взаємозалежних рівні моделювання.

оптимізаційні моделі - Моделі, призначені для визначення оптимальних (найкращих) з точки зору деякого критерію параметрів модельованого об'єкта або ж для пошуку оптимального (найкращого) режиму управління деяким процесом.

Як правило, такі моделі будуються з використанням однієї або декількох дескриптивних моделей і включають деякий критерій, що дозволяє порівнювати різні варіанти наборів значень вихідних величин між собою з метою вибору найкращого. На область значень вхідних параметрів можуть бути накладені обмеження у вигляді рівностей і нерівностей, пов'язані з особливостями розглянутого об'єкта або процесу.

Прикладом оптимізаційної моделі може служити моделювання процесу запуску ракети з поверхні Землі з метою піднесення її на задану висоту за мінімальне час при обмеженнях на величину імпульсу двигуна, час його роботи, початкову і кінцеву масу ракети. Математичні співвідношення дескриптивної моделі руху ракети виступають в даному випадку у вигляді обмежень типу рівностей.

Відзначимо, що для більшості реальних процесів, конструкцій потрібно визначення оптимальних параметрів відразу за кількома критеріями, т. Е. Ми маємо справу з так званими багатокритеріальної задачі оптимізації.

Керуючі моделі - Моделі, які використовуються для прийняття ефективних управлінських рішень в різних областях цілеспрямованої діяльності людини.

У загальному випадку прийняття рішень є процесом, за своєю складністю можна порівняти з процесом мислення в цілому. Однак на практиці під прийняттям рішень зазвичай розуміється вибір деяких альтернатив із заданого їх безлічі, а загальний процес прийняття рішень представляється як послідовність таких виборів альтернатив.

На відміну від оптимізаційних моделей, де критерій вибору вважається певним і шукане рішення встановлюється з умов його екстремальності, в управлінських моделях необхідне введення специфічних критеріїв оптимальності, які дозволяють порівнювати альтернативи при різних невизначеностей завдання. Вид критерію оптимальності в управлінських моделях заздалегідь не фіксується. Саме в цьому полягає основна особливість даних моделей.

реєструють моделі являють собою моделі, призначені для реєстрації цікавлять дослідника властивостей і якостей, недоступних для безпосередньої реєстрації на об'єкті моделювання.

При вирішенні завдань управління складними динамічними об'єктами використовуються еталонні і прогностичні моделі, які представляють собою формалізоване відображення бажаних характеристик об'єкта управління для цілей поточного або майбутнього управління об'єктом.

еталонна модель - Це модель, що описує в тій чи іншій формі бажані (ідеалізовані) властивості об'єкта моделювання (управління).

прогностичні моделі - Моделі, призначені для визначення майбутніх станів (майбутнього поведінки) об'єкта моделювання.

імітаційні моделі - Це сукупність опису елементів системи, взаємозв'язків елементів один з одним, зовнішніх впливів, алгоритмів функціонування системи (або правил зміни станів) під впливом зовнішніх і внутрішніх збурень.

Імітаційні моделі створюються і використовуються тоді, коли створення єдиної моделі складної системи неможливо або пов'язане з дуже великими труднощами, наявні математичні методи не дозволяють отримати задовільних аналітичних або чисельних рішень розглянутих задач. Але наявність описів елементів і алгоритмів функціонування дозволяє імітувати процес функціонування системи і виробляти виміру цікавлять характеристик.

Можна також відзначити, що імітаційні моделі можуть бути створені для набагато більш широкого класу об'єктів і процесів, ніж аналітичні та чисельні моделі. Крім того, оскільки для реалізації використовуються, як правило, обчислювальні засоби (комп'ютери і інші засоби) засобами формалізованого опису імітаційних моделей служать універсальні або спеціальні алгоритмічні мови.

Імітаційне моделювання при вивченні великих (складних) систем

залишається практично єдино доступним методом отримання інформації про поведінку системи в умовах невизначеності, що особливо важливо на етапі її проектування. Даним методом можна вибирати структуру, параметри і алгоритми управління синтезується системи, оцінювати їх ефективність, а також імітувати поведінку системи в умовах, які неможливо відтворити на реальний прототип (наприклад, аварії, відмови, надзвичайні ситуації та т. Д.). Коли при імітаційному моделюванні вивчають поведінку системи при дії випадкових чинників з подальшою статистичною обробкою інфор-мації, то доцільно в якості методу машинної реалізації імітаційної моделі використовувати метод статичного моделювання. При цьому метод статистичних випробувань (метод Монте-Карло) розглядається як чисельний метод рішення аналітичних задач.

Особливий клас моделей складають кібернетичні моделі, які відображають управлінські аспекти поведінки складних систем на основі інформаційного обміну між її елементами. Сама фізична природа кібернетичних моделей відрізняється від фізичної природи прототипу і її елементів. Особливістю кібернетичних моделей є можливу наявність в них, крім механізму управління, також і механізмів самоорганізації, навчання, адаптації та т. Д., А в більш складних системах - і штучного інтелекту.

Облік фактора часу при моделюванні призводить використання статичних та динамічних моделей.

статичні моделі відображають усталені (рівноважні) режими роботи системи;

Статичні режими роботи елементів, об'єктів, систем відображені в їх статичних характеристиках (лінійних, нелінійних) і описуються відповідними алгебраїчними функціональними залежностями.

динамічні моделі відображають приблизні (нерівноважні, перехідні) режими роботи системи.

Для опису нерівноважних (перехідних) режимів роботи системи найчастіше використовуються диференціальні рівняння або системи диференціальних рівнянь.

Розглянемо деякі властивості моделей, які дозволяють в тій чи іншій мірі або розрізняти, або ототожнювати модель з оригіналом (об'єктом, процесом). Прийнято виділяти такі властивості моделей: адекватність, складність, кінцівку, істинність, наближеність.

Адекватність. під адекватністю моделі прийнято розуміти правильне якісне і кількісне опис об'єкта (процесу) за обраному безлічі характеристик з деякою достатньою впевненістю оцінити.

Адекватність є найважливішою вимогою до моделі, вона вимагає відповідності моделі її реальному об'єкту (процесу, системи та т. Д.) Щодо обраного безлічі його властивостей і характеристик. При цьому мається на увазі адекватність не взагалі, а адекватність за тими властивостями моделі, які є для дослідника істотними. Повна адекватність означає тотожність між моделлю і прототипом.

Математична модель може бути адекватна щодо одного класу ситуацій (стан системи + стан зовнішнього середовища) і не адекватна щодо іншого. Застосування неадекватною моделі може привести або до суттєвого спотворення реального процесу або властивостей (характеристик) досліджуваного об'єкта, або до вивчення неіснуючих явищ, властивостей і характеристик.

Можна ввести поняття ступеня адекватності, яка буде змінюватися від 0 (відсутність адекватності) до 1 (повна адекватність). Ступінь адекватності характеризує частку істинності моделі щодо обраної характеристики (властивості) досліджуваного об'єкта. Відзначимо, що в деяких простих ситуаціях чисельна оцінка ступеня адекватності не представляє особливих труднощів. Труднощі оцінки ступеня адекватності в загальному випадку виникає через неоднозначність і нечіткості самих критеріїв адекватності, а також через труднощі вибору тих ознак, властивостей і характеристик, за якими оцінюється адекватність.

Поняття адекватності є раціональним поняттям, тому підвищення її ступеня також слід здійснювати на раціональному рівні. Адекватність моделі повинна перевірятися, контролюватися, уточнюватися постійно в процесі дослідження на приватних прикладах, аналогіях, експериментах і т. Д. В результаті перевірки адекватності з'ясовують, до чого призводять зроблені припущення: чи то до допустимої втрати точності, то чи до втрати якості. При перевірці адекватності також можна обгрунтувати законність застосування прийнятих робочих гіпотез при вирішенні даної задачі або проблеми.

Простота і складність. Одночасне вимога простоти і адекватності моделі є суперечливим. З точки зору адекватності складні моделі є переважно простих. У складних моделях можна врахувати більшу кількість факторів, що впливають на досліджувані показники об'єктів. Хоча складні моделі і більш точно відображають моделюються властивості оригіналу, але вони більш громіздкі, труднообозримой і незручні в зверненні. Тому дослідник прагне до спрощення моделі, так як простими моделями легше оперувати. При прагненні до побудови простої моделі повинен дотримуватися основний принцип спрощення моделі:

спрощувати модель можна до тих пір, поки зберігаються основні властивості, характеристики та закономірності, притаманні оригіналу.

Цей принцип вказує на межу спрощення.

При цьому поняття простоти (або складності) моделі є поняттям відносним. Модель вважається досить простий, якщо сучасні засоби дослідження (математичні, інформаційні, фізичні) дають можливість провести якісний і кількісний аналіз з необхідною точністю. А оскільки можливості засобів досліджень безперервно ростуть, то ті завдання, які раніше вважалися складними, тепер можуть бути віднесені до категорії простих.

Більш важким завданням є забезпечення простоти / складності моделі складної системи, що складається з окремих підсистем, з'єднаних один з одним в деяку ієрархічну і багатозв'язкову структуру. При цьому кожна підсистема і кожен рівень мають свої локальні критерії складності і адекватності, відмінні від глобальних критеріїв системи.

З метою меншою втрати адекватності спрощення моделей доцільніше проводити:

1) на фізичному рівні зі збереженням основних фізичних співвідношень,

2) на структурному рівні зі збереженням основних системних властивостей.

Спрощення ж моделей на математичному рівні може призвести до суттєвої втрати ступеня адекватності. Наприклад, усічення характерис-тичного рівняння високого порядку до 2 - 3-го порядку може призвести до абсолютно невірних висновків про динамічні властивості системи.

Зауважимо, що більш прості моделі використовуються при вирішенні задачі синтезу, а більш складні точні моделі - при вирішенні завдання аналізу.

Кінцівка моделей. Відомо, що світ нескінченний, як будь-який об'єкт, не тільки в просторі і в часі, але і в своїй структурі (будову), властивості, відносини з іншими об'єктами. Нескінченність проявляється в ієрархічну будову систем різної фізичної природи. Однак при вивченні об'єкта дослідник обмежується кінцевим кількістю його властивостей, зв'язків, використовуваних ресурсів і т. Д. Він ніби «вирізає» з нескінченного світу деякий кінцевий фрагмент у вигляді конкретного об'єкта, системи, процесу і т. Д. І намагається пізнати нескінченний світ через кінцеву модель цього фрагмента.

Кінцівка моделей систем полягає, по-перше, в тому, що вони відображають оригінал в кінцевому числі відносин, т. Е. З кінцевим числом зв'язків з іншими об'єктами, з кінцевою структурою і кінцевим кількістю властивостей на даному рівні вивчення, дослідження, опису, що розташовуються ресурсів. По-друге, в тому, що ресурси (інформаційні, фінансові, енергетичні, часові, технічні та т. Д.) Моделювання і наші знання як інтелектуальні ресурси кінцеві, а тому об'єктивно обмежують можливості моделювання і сам процес пізнання світу через моделі. Тому дослідник (за рідкісним винятком) має справу з Кінцевомірними моделями.

Вибір розмірності моделі (її ступеня свободи, змінних стану) тісно пов'язаний з класом вирішуваних завдань. Збільшення розмірності моделі пов'язано з проблемами складності і адекватності. При цьому необхідно знати, яка функціональна залежність між ступенем складності і розмірністю моделі. Якщо ця залежність статечна, то проблема може бути вирішена за рахунок застосування обчислювальних систем. Якщо ж ця залежність експоненціальна, то «прокляття розмірності» (Р. Калман1) Неминуче і позбутися від нього практично не вдається.

Як зазначалося вище, збільшення розмірності моделі призводить до підвищення ступеня адекватності і одночасно до ускладнення моделі. При цьому ступінь складності обмежена можливістю оперування з моделлю, т. Е. Тими засобами моделювання, якими володіє дослідник. Необхідність переходу від грубої простий моделі до більш точної реалізується за рахунок збільшення розмірності моделі шляхом залучення нових змінних, якісно відрізняються від основних і якими знехтували при побудові грубої моделі. Ці змінні мо-гут бути віднесені до одного з наступних трьох класів:

1) бистропротекающие змінні, протяжність яких в часі або в просторі настільки мала, що при грубому розгляді вони бралися до уваги своїми інтегральними або усередненими характеристиками;

2) медленнопротекающіе змінні, протяжність зміни яких настільки велика, що в грубих моделях вони вважалися постійними;

3) малі змінні (Малі параметри), значення і впливу яких на основні характеристики системи настільки малі, що в грубих моделях вони ігнорувалися.

Відзначимо, що поділ складного руху системи за швидкістю на бистропротекающее і медленнопротекающее руху дає можливість вивчати їх в грубому наближенні незалежно один від одного, що спрощує рішення вихідної завдання. Що стосується малих змінних, то ними нехтують зазвичай при вирішенні задачі синтезу, але намагаються врахувати їх вплив на властивості системи при вирішенні завдання аналізу.

При моделюванні прагнуть по можливості виділити невелике число основних факторів, вплив яких одного порядку і не дуже складно описується математично, а вплив інших факторів виявляється можливим врахувати за допомогою усереднених, інтегральних або "заморожених" характеристик.

Наближеність моделей. З викладеного вище випливає, що кінцівку і простота (спрощеність) моделі характеризують якісне відмінність (на структурному рівні) між оригіналом і моделлю. Тоді наближеність моделі буде характеризувати кількісну сторону цієї відмінності.

Можна ввести кількісну міру наближеності шляхом порівняння, наприклад, грубою моделі з більш точної еталонної (повної, ідеальною) мо-делью або з реальною моделлю. Наближеність моделі до оригіналу неминуча, Існує об'єктивно, так як модель як інший об'єкт відображає лише окремі властивості оригіналу. Тому ступінь наближеності (близькості, точності) моделі до оригіналу визначається постановкою завдання, метою моделювання.

Надмірне прагнення до підвищеної точності моделі призводить до її значного ускладнення, і, отже, до зниження її практичної цінності. Тому, мабуть, справедливий принцип Л. Заде1 про те, що при моделюванні складних (людино-машинних, організаційних) систем точність і практичний сенс несумісні і виключають один одного. Причина суперечливості та несумісності вимог точності і практичності моделі криється в невизначеності і нечіткості знань про сам оригіналі - його поведінці, його властивості та характеристики, про по-веденні навколишнього середовища, про механізми формування мети, шляхів і засоби її досягнення і т. Д.

Істинність моделей. У кожної моделі є частка істини, т. Е. Будь-яка модель в чомусь правильно відображає оригінал. Ступінь істинності моделі виявляється тільки при практичному порівнянні її з оригіналом, бо тільки

практика є критерієм істинності.

З одного боку, в будь-якої моделі міститься безумовно істинне, т. Е. Визначено відоме і правильне. З іншого боку, в моделі міститься і умовно істинне, т. Е. Вірне лише за певних умов. Типова помилка при моделюванні полягає в тому, що дослідники застосовують ті чи інші моделі без перевірки умов їх істинності, Меж їх застосовності. Такий підхід призводить свідомо до отримання невірних результатів.

Відзначимо, що в будь-якої моделі також міститься приблизно-справжнє (правдоподібне), т. Е. Щось, що може бути в умовах невизначеності або вірним, або хибним. Тільки на практиці встановлюється фактичне співвідношення між істинним і хибним в конкретних умовах. Таким чином, при аналізі рівня істинності моделі необхідно з'ясувати:

1) точні, достовірні знання;

2) знання, достовірні при певних умовах;

3) знання, які оцінюються з деяким ступенем невизначеності;

4) знання, що не піддаються оцінці навіть з деяким ступенем невизначеності;

5) незнання, т. Е. Те, що невідомо.

Таким чином, оцінка істинності моделі як форми знань зводиться до виявлення вмісту в ній як об'єктивних достовірних знань, правильно відображають оригінал, так і знань, наближено оціню-чих оригінал, а також те, що становить незнання.

поняття моделі «-- попередня | наступна --» Загальні вимоги та рекомендації з моделювання
загрузка...
© om.net.ua