Основные представления о моделировании. Базовые понятия и термины (стр. 9 )

3. Инкрементальные функции, как и фокальные, также работают с анализом окружения каждой отдельно взятой ячейки, но они вычисляют это значение как приращение одно-, двух - или трехмерных картографических форм. Размер и форма этого приращения определяется

Отношением значения каждой ячейки к значениям прилегающих ячеек на одном или нескольких картографических слоях.

4. Зональные функции работают с ранее определенными группами ячеек (зонами), вычисляя их новое значения на одном картографическом слое относительно значений зон на других картографических слоях. (Рис. 3.9).

В различные системы в зависимости от их назначения может быть включен разный набор аналитических функций. Различными могут быть и конкретная программная реализация этих функций, перечень и способ задания параметров функции, форма представления расчетов, интерфейс каждой функции. Базовой формой, при помощи которой задаются параметры и представляются результаты, является картографический тематический слой (обычно представленный в виде отдельного растрового файла). Основной формат командного языка функций картографической алгебры имеет следующий вид:

Имя файла выходного слоя = операция + имя файла основного слоя + значения параметров или имя файла (файлов) слоя (слоев) параметров + добавочные параметры.

Из таких "предложений" можно формировать группы команд, выполняющих какую либо сложную операцию, требующую подключения сразу нескольких аналитических функций. В некоторых случаях описание одной процедуры может состоять из сотен и тысяч элементарных команд.

26. Генерализация пространственных данных. Особенности генерализации пространственных данных в почвоведении и экологии.

Генерализация пространственных данных - обобщение позиционных и атрибутивных данных о пространственных объектах в ГИС в автоматическом или интерактивном режимах с использованием операторов генерализации, или генерализационных операторов (generalization operators), их наборов или последовательностей, часть из которых имеет соответствие в приемах и методах картографической генерализации.

Среди основных из них: упрощение (simplification); сглаживание (smoothing); утоньшение линий (line thinning); разрядка линий, то есть устранение избыточных промежуточных точек в цифровой записи линий (line weeding); отбор (reselection); переклассификация (reclassification); агрегирование (aggregation), в частности, объединение смежных полигонов с уничтожением границ между ними (polygon dissolving/merging); слияние (amalgamation); маскирование (masking); прерывание линий (omissing), утрирование размера или формы (exaggeration); уменьшение мерности объектов, или свертка, коллапс (collapse).

п.д. могут применяться глобально (к слою в целом), или локально (к фрагменту слоя, сегменту линии и т. п.), обслуживать чисто графические (позиционные), или структурные преобразования данных. Вмешательство пользователя в процесс автоматической Г. п.д. обычно преследует цель индикации и устранения графических конфликтов в отображениях однотипных и разнотипных объектов путем их смещения, или перемещения (displacement), минимизации синергетических эффектов при многократном применении однотипных или последовательном - разнотипных операторов, уменьшения, или устранения геометрических и топологических погрешностей, контроля целостности данных и ненарушенности связи позиционной и атрибутивной части данных.

27. Имитационное моделирование. Имитация природных процессов.

Имитационное моделирование — это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему, с которой проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте). Это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае аналитическая модель заменяется имитатором или имитационной моделью.

Имитационная модель — логико-математическое описание объекта, которое может быть использовано для экспериментирования на компьютере в целях проектирования, анализа и оценки функционирования объекта.

К имитационному моделированию прибегают, когда:

- дорого или невозможно экспериментировать на реальном объекте;

- невозможно построить аналитическую модель:

- в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;

- необходимо сымитировать поведение системы во времени.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между её элементами или другими словами — разработке симулятора (англ. simulation modeling) исследуемой предметной области для проведения различных экспериментов.

Имитационное моделирование позволяет:

- Прогнозировать развитие и поведение системы во времени;

- Анализировать варианты функционирования системы при изменении тех или иных параметров.

- Для исследуемой системы определяются причинно-следственные связи, на основе которых создается компьютерная модель. Модель обрабатывает данные в режиме реального времени и строит прогнозы типа «что, если».

Имитационное моделирование позволяет имитировать поведение системы во времени. Причём плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны.

Виды имитационного моделирования:

Агентное моделирование — используется для исследования децентрализованных систем, динамика функционирования которых определяется  результатом индивидуальной активности членов группы.

Дискретно-событийное моделирование — подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы. Считается, что этот вид моделирования наиболее подходит для моделирования производственных процессов.

Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии.

Можно выделить следующие этапы процесса имитации.

1.  Определение системы - установление границ ограничений и эффективности системы, подлежащей изучению.

2.  Формирование модели - переход от реальной системы к некоторой логической системе (абстрагирование).

3.  Подготовка данных - отбор данных необходимых для построения модели и представление их в соответствующей форме.

4.  Трансляция модели - описание модели на языке, приемлемом для использования на ЭВМ.

5.  Оценка адекватности - повышенная до приемлемого уровня степень уверенности, с которой можно судить относительно корректировки выводов о реальной системе.

6.  Стратегическое планирование - планирование эксперимента (данная тема выделена в отдельную главу учебного пособия см. гл.4).

7.  Тактическое планирование - определение способа проведения каждой серии испытаний, представленных планом эксперимента.

8.  Экспериментирование - процесс осуществления имитации с целью получения желаемых данных и анализа чувствительности.

9.  Интерпретация - построение выводов по данным, полученным путем имитации.

10.Реализация - практическое использование модели.

11.Документирование - регистрация хода осуществления проекта и его результатов.

28. Метод Монте-Карло - метод статистических испытаний - численный метод решения различных задач при помощи моделирования случайных событий.

Метод  Монте'Карло – исследование детерминированных процессов, заданных в виде математических моделей с логическими элементами с помощью статистических испытаний на ЭВМ. Особенностью статистического моделирования является случайное задание исходных данных с известными законами распределения и, как следствие, вероятностное оценивание характеристик исследуемых процессоров. Статистическое моделирование является эффективным методом исследования слабоорганизованных систем с несложной логикой функционирования.

29. Имитационное моделирование продукционного процесса. WOFOST как пример имитационной модели роста растений.

Для изучения процессов, происходящих в экологических системах, используется как математическое, так и имитационное моделирование.

Имитационное моделирование применяется для исследования сложных логических и логико-математических моделей с неточным заданием исходных данных (заданным законом распределения, оценочными характеристиками).

В экологическом моделировании можно выделить два основных направления:
а) моделирование взаимодействия организмов друг с другом и с окружающей средой ("классическая" экология);
б) моделирование, связанное с состоянием окружающей среды и ее охраной (социальная экология).
Оба направления представлены большим количеством разработанных моделей.

Моделирование, связанное с состоянием окружающей среды, в свою очередь, распадается на ряд направлений.
Назовем некоторые из них:
моделирование водных экосистем (трансформации компонент экосистемы, образования и превращения веществ, потребления, роста и гибели организмов);
моделирование продукционного процесса растений (для выбора оптимальной стратегии проведения сельскохозяйственных мероприятий: орошения, полива, внесения удобрений, выбора сроков посева или посадки растений с целью получения максимального урожая);
моделирование лесных сообществ (используются как для описания лесных массивов на больших пространственных и временных масштабах, так и для моделирования популяций, в которых основным объектом является отдельное дерево);
моделирование загрязнения атмосферы и поверхности земли промышленными выбросами (перенос загрязняющих веществ, ущерб, наносимый
здоровью населения, сельскохозяйственным угодьям, лесным массивам, почве, затраты на восстановление окружающей среды и т. д.)