Моделирование входных данных

Этапы построения имитационных моделей

Процедура построения имитационных моделей заключается в выполнении этапов работ в следующей последовательности.

1. Содержательное описание объекта моделирования в виде системы, постановка задачи и формирование целей.

2. Формализация задачи, построение структуры модели, определение целевых функций и критериев достижения целей.

3. Выбор методов моделирования для конкретных элементов моделируемой системы.

4. Построение модели, разработка моделирующего алгоритма и апробация на конкретном примере, необходимая корректировка модели.

5. Моделирование системы, включая планирование имитационных реализаций, имитирование входных и управляющих сигналов, помех, пробных и несанкционированных воздействий на те или иные атрибуты системы, вычисление различных статистических характеристик.

6. Анализ результатов моделирования, выбор наиболее эффективной структуры и стратегии поведения моделируемой системы с учетом наиболее вероятных входных и возмущающих воздействий.

7. Подготовка отчета об имитационном моделировании в терминах данного объекта или процесса и планирование внедрения результатов моделирования в практику.

Формирование входных данных для имитационных моделей – одна из важнейших задач, так как упрощение, пренебрежение или сведение входных данных к каким-либо аналитическим зависимостям делает модель, как правило, неадекватной моделируемому объекту. К входным данным по терминологии систем обычно относят входные сигналы, управляющие сигналы, параметры системы и выходные сигналы от одних блоков, поступающие на вход каких-либо других блоков данной модели.

В общем случае входные сигналы из внешней среды можно представить в виде динамических рядов, фиксирующих значение какого-то показателя в определенные моменты времени, или какого-либо потока событий, появляющихся в заранее известные моменты времени.

На рисунке 1 показаны четыре возможных типа входных сигналов:

Y₁ – поток случайных событий во времени, где событие представлено лишь фактом его появления в какие-то неизвестные заранее моменты времени; Y₂ – поток случайных событий во времени, у которого событие характеризуется не только фактом его появления, но и конкретным неодинаковым во времени числовым значением данного события; Y₃ – дискретный ряд, характеризующий значение показателя в определенные регулярные моменты времени t₁, t₂, . . . t₇, Y₄ – значение показателя, которое может быть получено в любой момент времени (непрерывная функция).

Таким образом, мы приходим к выводу, что моделировать любые типы входных сигналов или входных данных может динамический ряд вида Y_t

где - тренд динамического ряда: регулярная компонента, характеризующая общую тенденцию ряда;

- циклическая компонента;

- случайная компонента, образующаяся под влиянием различных (как правило, неизвестных) причин;

- компонента, обеспечивающая сопоставимость элементов динамического ряда;

- управляющая компонента, с помощью которой воздействуют на значения членов динамического ряда для формирования в будущем желаемой траектории.

Модель динамического ряда в виде Y_t допускает расчленение каждого значения временного ряда на составляющие, что важно при формировании входных данных для имитационных моделей. Раздельное вычисление компонент , , , носит название фильтрации компонент. Если требуется вычислить значение тренда совместно с сезонной составляющей, т.е. , то данная процедура называется сглаживанием, а полученный при этом ряд тренд-сезонным временным рядом. Компонента в модели динамического применяется для формирования входных данных заданного вида.

Моделирование динамического ряда осуществляется в виде последовательности следующих процедур.

1. Корректировка динамического ряда специальной компонентой для устранения несопоставимости в связи с неодинаковой базой сравнения или наличием факторов, резко нарушающих закономерное развитие данного ряда.

2. Вычисление тренда динамического ряда .

3. Нахождение циклической компоненты .

4. Оценка случайной компоненты .

Оценка всех составляющих входного сигнала позволяет учесть практически весь спектр воздействия на реальную имитационную модель. Причем имитационная модель позволяет исследовать влияние как каждой составляющей входного сигнала в отдельности, так и комплексное воздействие сигнала в целом.