К основным свойствам любой модели относится. Основные свойства моделей
Конечность : модель отображает оригинал лишь в конечном числе его отношений и, кроме того, ресурсы моделирования конечны;
Упрощенность : модель отображает только существенные стороны объекта;
Приблизительность : действительность отображается моделью грубо или приблизительно;
Адекватность : насколько успешно модель описывает моделируемую систему;
Информативность : модель должна содержать достаточную информацию о системе - в рамках гипотез, принятых при построении модел;
Потенциальность : предсказуемость модели и её свойств;
Сложность : удобство её использования;
Полнота : учтены все необходимые свойства;
Адаптивность .
Одни и те же устройства, процессы, явления и т. д. (далее - «системы») могут иметь много разных видов моделей. Как следствие, существует много названий моделей, большинство из которых отражает решение некоторой конкретной задачи.
Требования к моделям. Моделирование всегда предполагает принятие допущений той или иной степени важности. При этом должны удовлетворяться следующие требования к моделям:
адекватность , то есть соответствие модели исходной реальной системе и учет, прежде всего, наиболее важных качеств, связей и характеристик. Оценить адекватность выбранной модели, особенно, например, на начальной стадиипроектирования, когда вид создаваемой системы ещё неизвестен, очень сложно. В такой ситуации часто полагаются на опыт предшествующих разработок или применяют определенные методы, например,метод последовательных приближений;
точность , то есть степень совпадения полученных в процессе моделирования результатов с заранее установленными, желаемыми. Здесь важной задачей является оценка потребной точности результатов и имеющейся точности исходных данных, согласование их как между собой, так и с точностью используемой модели;
универсальность , то есть применимость модели к анализу ряда однотипных систем в одном или нескольких режимах функционирования. Это позволяет расширить область применимости модели для решения бо́льшего круга задач;
целесообразная экономичность , то есть точность получаемых результатов и общность решения задачи должны увязываться с затратами на моделирование. И удачный выбор модели, как показывает практика, - результат компромисса между отпущенными ресурсами и особенностями используемой модели;
Выбормодели и обеспечение точности моделирования считается одной из самых важных задач моделирования.
Основные этапы моделирования. Моделирование – процесс создания и использования модели. Моделирование является обязательной частью исследований и разработок, неотъемлемой частью нашей жизни, поскольку сложность любого материального объекта и окружающего его мира бесконечна вследствие неисчерпаемости материи и форм её взаимодействия внутри себя и с внешней средой.
Цели моделирования
Познание действительности
Проведение экспериментов
Проектирование и управление
Прогнозирование поведения объектов
Тренировка и обучения специалистов
Обработка информации
Все этапы моделирования определяются поставленной задачей и целями моделирования. В общем случае процесс построения и исследования модели можно представить следующей схемой:
Первый этап - постановка задачи включает в себя стадии:описание задачи, определение цели моделирования, анализ объекта.
Описание задачи. Задача формулируется на обычном языке. По характеру постановки все задачи можно разделить на две основные группы. К первой группе можно отнести задачи, в которых требуется исследовать, как изменятся характеристики объекта при некотором воздействии на него, «что будет, если? ...». В задачах, относящихся ко второй группе, требуется определить, какое надо произвести воздействие на объект, чтобы его параметры удовлетворяли некоторому заданному условию, «как сделать, чтобы? ..».
Определение цели моделирования. На этой стадии необходимо среди многих характеристик (параметров) объекта выделить существенные . Для одного и того же объекта при разных целях моделирования существенными будут считаться разные свойства. Определение цели моделирования позволяет четко установить, какие данные являются исходными, что требуется получить на выходе и какими свойствами объекта можно пренебречь. Строитсясловесная модель задачи.
Анализ объекта подразумевает четкое выделение моделируемого объекта и его основных свойств.
Второй этап - формализация задачи связан с созданиемформализованной модели , то есть модели, записанной на каком-либо формальном языке. Например, данные переписи населения, представленные в виде таблицы или диаграммы - это формализованная модель.
В общем смысле формализация - это приведение существенных свойств и признаков объекта моделирования к выбранной форме. Формальная модель - это модель, полученная в результате формализации.
Третий этап - разработка модели начинается с выбора инструмента моделирования, другими словами, программной среды, в которой будет создаваться и исследоваться модель. От этого выбора зависиталгоритм построения модели, а также форма его представления. В среде программирования этопрограмма , написанная на соответствующем языке. В прикладных средах (электронные таблицы, СУБД, графических редакторах и т. д.) этопоследовательность технологических приемов , приводящих к решению задачи. Одну и ту же задачу можно решить, используя различные среды. Выбор инструмента моделирования зависит, в первую очередь, от реальных возможностей, как технических, так и материальных.
Четвертый этап - эксперимент включает две стадии: тестирование модели и проведение исследования.
Тестирование модели - процесс проверки правильности построения модели. На этой стадии проверяется разработанный алгоритм построения модели иадекватностьполученной модели объекту и цели моделирования. Для проверки правильности алгоритма построения модели используется тестовые данные, для которых конечный результат заранее известен (обычно его определяют ручным способом). Если результаты совпадают, то алгоритм разработан верно, если нет - надо искать и устранять причину несоответствия. Тестирование должно быть целенаправленным и систематизированным, а усложнение тестовых данных должно происходить постепенно. Чтобы убедиться, что построенная модель правильно отражает существенные для цели моделирования свойства оригинала, то есть является адекватной, необходимо подбирать тестовые данные, которые отражают реальную ситуацию.
Исследование модели. К этой стадии можно переходить только после того, как тестирование модели прошло успешно, и вы уверены, что создана именно та модель, которую необходимо исследовать.
Пятый этап - анализ результатов является ключевым для процесса моделирования. Именно по итогам этого этапа принимается решение: продолжать исследование или закончить. Если результаты не соответствуют целям поставленной задачи, значит, на предыдущих этапах были допущены ошибки. В этом случае необходимокорректировать модель , то есть возвращаться к одному из предыдущих этапов. Процесс повторяется до тех пор, пока результаты эксперимента не будут отвечать целям моделирования.
Информационная модель объекта -модельобъекта, представленная в видеинформации, описывающей существенные для данного рассмотренияпараметрыипеременные величиныобъекта, 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 внешниммиром.
Виды информационных моделей:
1. 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.
2. 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.
3. Хроматические (информационные) модели - это модели, созданные на естественном языке семантики цветовых концептов и их онтологических предикатов (т.е. на языке смыслов и значений цветовых канонов, репрезентативно воспроизводившихся в мировой культуре). Примеры хроматических моделей: "атомарная" модель интеллекта (АМИ), межконфессиональная имманентность религий (МИР), модель аксиолого-социальной семантики (МАСС) и др., созданные не базе теории и методологии хроматизма.
Рассмотрим подробнее класс информационных моделей с позиции способов представления информации . Форма представления информационной модели зависит от способа кодирования (алфавита) и материального носителя.
Воображаемое (мысленное или интуитивное) моделирование - это мысленное представление об объекте. Такие модели формируются в воображении человека и сопутствуют его сознательной деятельности. Они всегда предшествуют созданию материального объекта, материальной и информационной модели, являясь одним из этапов творческого процесса. Например, музыкальная тема в мозгу композитора - интуитивная модель музыкального произведения.
Вербальное моделирование (относится к знаковым) - это представление информационной модели средствами естественного разговорного языка (фонемами). Мысленная модель, выраженная в разговорной форме, называется вербальной (от латинского слова verbalize - устный). Форма представления такой модели - устное или письменное сообщение. Примерами являются литературные произведения, информация в учебных пособиях и словарях, инструкции пользования устройством, правила дорожного движения.Наглядное (выражено на языке представления) моделирование - это выражение свойств оригинала с помощью образов. Например, рисунки, художественные полотна, фотографии, кинофильмы. При научном моделировании понятия часто кодируются рисунками -иконическое моделирование. Сюда же относятсягеометрические модели - информационные модели, представленные средствами графики.
Образно-знаковое моделирование использует знаковые образы какого-либо вида: схемы, графы, чертежи, графики, планы, карты. К этой группе относятся структурные информационные модели, создаваемые для наглядного изображения составных частей и связей объектов. Наиболее простые и распространенные информационные структуры - это таблицы, схемы, графы, блок-схемы, деревья.
Знаковое (символическое выражено на языке описания) моделирование использует алфавиты формальных языков: условные знаки, специальные символы, буквы, цифры и предусматривает совокупность правил оперирования с этими знаками. Примеры: специальные языковые системы, физические или химические формулы, математические выражения и формулы, нотная запись и т. д. Программа, записанная по правилам языка программирования, является знаковой моделью.
Одним из наиболее распространенных формальных языков является алгебраический язык формул в математике , который позволяет описывать функциональные зависимости между величинами. Составление математической модели во многих задачах моделирования хоть и промежуточная, но очень существенная стадия. В тех случаях, когда моделирование ориентировано на исследование моделей с помощью компьютера, одним из его этапов является разработкакомпьютерной модели .Компьютерная модель - это созданный за счет ресурсов компьютера виртуальный образ, качественно и количественно отражающий внутренние свойства и связи моделируемого объекта, иногда передающий и его внешние характеристики. Компьютерная модель представляет собой материальную модель, воспроизводящую внешний вид, строение или действие моделируемого объекта посредством электромагнитных сигналов. Разработке компьютерной модели предшествуют мысленные, вербальные, структурные, математические и алгоритмические модели.
Задание {{ 264 }} 306 Тема 14-0-0
Сервер сети обычно используется в качестве компьютера
£ доступа в компьютерную сеть
£ для выхода в интернет
£ рабочего места администратора сети
R обслуживающего компьютеры сети
Задание {{ 265 }} 307 Тема 14-0-0
Описание свободного падения тела с учётом влияния порыва ветра будет:
£ детерминированной, статической моделью;
R стохастической, динамической моделью;
£ детерминированной, динамической моделью;
£ стохастической, статической моделью.
Задание {{ 266 }} 308 Тема 14-0-0
Нейротехнология - это технология, базирующаяся на:
£ нейронах головного мозга.
£ искусственном мозгу и интеллекте.
R имитации структуры и процессов головного мозга.
£ использовании суперкомпьютеров и интеллектуальных задач.
Задание {{ 267 }} 309 Тема 14-0-0
Объектно-ориентированная технология анализа базируется на понятиях:
£ объект и процесс.
£ класс и экземпляр класса.
£ инкапсуляция, наследование, полиморфизм.
R указанных в а), б), в).
Задание {{ 268 }} 310 Тема 14-0-0
Новые информационные технологии бывают типов:
£ когнитивные, инструментальные, прикладные.
£ инструментальные, прикладные, коммуникационные
£ когнитивные, прикладные, коммуникативные.
R всех перечисленных в а), б), в).
Задание {{ 269 }} 311 Тема 14-0-0
Виртуальная реальность - это технология:
R имитации неосуществимого, сложно реализуемого состояния системы
£ проектирования такого состояния
£ разработки такого состояния
£ проектирования, разработки, имитации такого состояния
Задание {{ 270 }} 312 Тема 14-0-0
Инженерия знаний - это:
£ технология
£ техника
£ технология
Задание {{ 271 }} 313 Тема 14-0-0
Интеллектуальный анализ данных - это:
R автоматизированный поиск скрытых в БД связей
£ анализ данных с помощью СУБД
£ анализ данных с помощью компьютера
£ выделение тренда в данных
Задание {{ 272 }} 314 Тема 14-0-0технология - это технология:
R автоматизированного проектирования информационной системы
£ автоматизированного обучения
£ автоматизации управления информационной системой
£ автоматического проектирования информационной системы
Задание {{ 273 }} 315 Тема 14-0-0
В средо-ориентированных технологиях всегда соблюдают все требования:
R надежность, длительная работа, скорость разработки
£ масштабируемость, автоматическая работа, минимум затрат
£ масштабируемость, длительная работа, минимум затрат
£ автоматическая работа, надежность, длительная работа
Адекватность – степень соответствия модели исследуемому реальному объекту. Она никогда не может быть полной. На практике модель считают адекватной, если она с удовлетворительной точностью позволяет достичь целей исследования.
Сложность – количественная характеристика свойств объекта, описывающих модель. Чем она выше, тем сложнее модель. Однако на практике надо стремиться к наиболее простой модели, позволяющую достичь требуемые результаты изучения.
Потенциальность – способность модели дать новые знания об исследуемом объекте, спрогнозировать его поведений.
Математические модели.
Основные этапы построения математической модели:
1. составляется описание функционирования системы в целом;
2. составляется перечень подсистем и элементов с описанием их функционирования, характеристик и начальных условий, а также взаимодействия между собой;
3. определяется перечень воздействующих на систему внешних факторов и их характеристик;
4. выбираются показатели эффективности системы, т.е. такие числовые характеристики системы, которые определяют степень соответствия системы ее назначению;
5. составляется формальная математическая модель системы;
6. составляется машинная математическая модель, пригодная для исследования системы на ЭВМ.
Требования к математической модели:
Требования определяются прежде всего ее назначением, т.е. характером поставленной задачи:
"Хорошая" модель должна быть:
1. целенаправленной;
2. простой и понятной пользователю;
3. достаточной с точки зрения возможностей решения поставленной задачи;
4. удобной в обращении и управлении;
5. надежной в смысле защиты от абсурдных ответов;
6. допускающей постепенные изменения в том смысле, что, будучи вначале простой, она при взаимодействии с пользователями может становиться более сложной.
Математические модели. Математические модели представляют собой формализованное представление системы с помощью абстрактного языка, с помощью математических соотношений, отражающих процесс функционирования системы. Для составления математических моделей можно использовать любые математические средства - алгебраическое, дифференциальное, интегральное исчисления, теорию множеств, теорию алгоритмов и т.д. По существу вся математика создана для составления и исследования моделей объектов и процессов.
К средствам абстрактного описания систем относятся также языки химических формул, схем, чертежей, карт, диаграмм и т.п. Выбор вида модели определяется особенностями изучаемой системы и целями моделирования, т.к. исследование модели позволяет получить ответы на определённую группу вопросов. Для получения другой информации может потребоваться модель другого вида. Математические модели можно классифицировать как детерминированные и вероятностные, аналитические, численные и имитационные .
Детерминированное моделирование отображает процессы, в которых предполагается отсутствие всяких случайных воздействий; стохастическое моделирование отображает вероятностные процессы и события. В этом случае анализируется ряд реализаций случайного процесса и оцениваются средние характеристики, т. е. набор однородных реализаций.
Аналитической моделью называется такое формализованное описание системы, которое позволяет получить решение уравнения в явном виде, используя известный математический аппарат.
Численная модель характеризуется зависимостью такого вида, который допускает только частные решения для конкретных начальных условий и количественных параметров моделей.
Имитационная модель - это совокупность описания системы и внешних воздействий, алгоритмов функционирования системы или правил изменения состояния системы под влиянием внешних и внутренних возмущений. Эти алгоритмы и правила не дают возможности использования имеющихся математических методов аналитического и численного решения, но позволяют имитировать процесс функционирования системы и производить вычисления интересующих характеристик. Имитационные модели могут быть созданы для гораздо более широкого класса объектов и процессов, чем аналитические и численные. Поскольку для реализации имитационных моделей служат ВС, средствами формализованного описания ИМ служат универсальные и специальные алгоритмические языки. ИМ в наибольшей степени подходят для исследования ВС на системном уровне.
8. Структура модели. Моделирование - это воспроизведение хар-стик одного объекта на некот другом объекте, спец-но созданного для их изучения. Последний называется моделью.
Под структурой модели (и физической в том числе) понимают совок-ть эл-в, входящих в модель и связей между ними. При этом, модель (её элементы) может иметь ту же или иную физическую природу. Близость структур – одно из главных особенностей при моделировании. В каждом конкретном сл-е модель может выполнить свою роль тогда, когда степень ее соотв-я объекту опр-на достаточно строго. Упрощение структуры модели снижает точность.
Проблема адекватности . Важнейшим требованием к модели является требование адекватности (соответствия) ее реальному объекту (процессу, системе и т.д.) относ-но выбранного множества его характеристик и свойств. Под адекватностью модели понимают правильное качественное и количественное описание объекта (процесса) по выбранному множеству характеристик с некоторой разумной степенью точности. При этом имеется в виду адекватность не вообще, а адекватность по тем свойствам модели, которые являются для исследователя существенными. Полная адекватность означает тождество между моделью и прототипом. Мат. модель может быть адек-на относ-но одного класса ситуаций (состояние системы + состояние внешней среды) и не адекватна относительно другого. Трудность оценки степени адекватности в общем случае возникает из-за неоднозначности и нечеткости самих критериев адекватности, а также из-за трудности выбора тех признаков, свойств и характеристик, по которым оценивается адекватность. Понятие адекватности является рациональным понятием, поэтому повышение ее степени также осуществляется на рациональном уровне. След-но, адекв-сть модели должна провер-ся, контрол-ся, уточняться в процессе исследования на частных примерах, аналогиях, экспер-ах и т.д. В результате проверки адекватности выясняют, к чему приводят сделанные допущения: то ли к допустимой потере точности, то ли к потере качества. При проверке адекватности также можно обосновать законность применения принятых рабочих гипотез при решении рассматриваемой задачи или проблемы.
Простота и сложность. Одноврем. треб-ие простоты и адекв-сти модели являются противоречивыми. С точки зрения адекв-сти сложные модели явл. предпочтительнее простых. В сложных моделях можно учесть большее число факторов. Хотя сложные модели и более точно отражают модел-ые св-ва оригинала, но они более громоздки. Посему исслед-ль стрем-ся к упрощ. модели, так как с прост. мод-ми легче оперир-ть.
Конечность моделей . Известно, что мир бесконечен, как любой объект, не только в пространстве и во времени, но и в своей структуре (строении), свойствах, отношениях с другими объектами Бесконечность проявляется в иерархическом строении систем различной физической природы. Однако при изучении объекта исследователь ограничивается конечным количеством его свойств, связей, используемых ресурсов и т.д. Увеличение размерности модели связано с проблемами сложности и адекватности. При этом необходимо знать, какова функциональная зависимость между степенью сложности и размерностью модели. Увел. размерности модели приводит к повыш. степени адекватности и одновременно к усложнению модели. При этом степень сложности огр. возможностью оперирования с моделью. Необходимость перехода от грубой простой модели к более точной реализуется за счет увел. Размер-ти модели путем привлечения новых переменных, качественно отличающихся от основных и которыми пренебрегли при построении грубой модели. При моделировании стремятся по возможности выделить небольшое число основных факторов. При этом одни и те же факторы могут оказывать существенно различное влияние на различные характеристики и свойства системы.
Приближенность моделей . Из вышеизложенного следует, что конечность и простота (упрощенность) модели характеризуют качественное различие (на структ-ом уровне) между ориг-лом и моделью. Тогда приближ-сть модели будет характ-ать количес-ную сторону этого разл-я. Можно ввести количес-ную меру приближенности путем сравнения, например, грубой модели с более точной эталонной (полной, идеальной) моделью или с реальной моделью. Приближ. модели к ориг-у неизбежна, существует объективно, так как модель как другой объект отражает лишь отдельные свойства оригинала. Поэтому степень приближенности (близости, точности) модели к оригиналу определяется постановкой задачи, целью моделирования.
Истинность моделей. В каждой модели есть доля истины, т.е. любая модель в чем-то правильно отражает оригинал. Степень истинности модели выявляется только при практическом сравнении её с оригиналом, ибо только практика является критерием истинности. Таким образом, оценка истинности модели как формы знаний сводится к выявлению содержания в нем как объективных достоверных знаний, правильно отображающих оригинал, так и знаний, приближенно оценивающих оригинал, а также то, что составляет незнание.
34. Понятие адекватность» модели. Особенности оценки адекватности моделей.
Важнейшим требованием к модели является требование адекватности (соответствия) ее реальному объекту (процессу, системе и т.д.) относительно выбранного множества его характеристик и свойств. Под адекватностью модели понимают правильное качественное и количественное описание объекта (процесса) по выбранному множеству характеристик с некоторой разумной степенью точности. При этом имеется в виду адекватность не вообще, а адекватность по тем свойствам модели, которые являются для исследователя существенными. Полная адекватность означает тождество между моделью и прототипом.
Математическая модель может быть адекватна относительно одного класса ситуаций (состояние системы + состояние внешней среды) и не адекватна относительно другого. Модель типа «черный ящик» адекватна, если в рамках выбранной степени точности она функционирует так же, как и реальная система, т.е. определяет тот же оператор преобразования входных сигналов в выходные. В некоторых простых ситуациях численная оценка степени адекватности не представляет особой трудности. Например, задача аппроксимации заданного множества экспериментальных точек некоторой функцией. Всякая адекватность относительна и имеет свои границы применения. Если в простых случаях бывает все ясно, то в сложных случаях неадекватность модели бывает не столь ясной. Применение неадекватной модели приводит либо к существенному искажению реального процесса или свойств (характеристик) изучаемого объекта, либо к изучению несуществующих явлений, процессов, свойств и характеристик. В последнем случае проверка адекватности не может осуществляться на чисто дедуктивном (логическом, умозрительном) уровне. Необходимо уточнение модели на основании информации из других источников.
Особенности оценки адекватности:
35. Базовые принципы оценки адекватности моделей. Методы обеспечения адекватности моделей.
Принципы оценки адекватности:
1. Если экспериментальная модель адекватна, ее можно использовать для принятия решений относительно системы, которую она представляет, как если бы они принимались на основании экспериментов с реальной моделью.
2.Сложность или простота оценки адекватности зависит от того существует ли на данный момент версия этой системы.
3. Имитационная модель сложной системы может только приблизительно соответствовать оригиналу, независимо от того сколько усилий потрачено на разработку, т.к. абсолютно адекватных моделей не существует.
4. Имитационная модель всегда разрабатывается для определенного множества целей. Модель, которая адекватна для одной может быть неадекватна для другой.
5. Оценка адекватности модели должна производиться с участием лиц, принимающих решение по оценки проектов системы.
6. Оценка адекватности должна проводиться на всем протяжении их разработки и применения.
Методы обеспечения адекватности:
1. Сбор высококачественной информации о системе: -консультации со специалистами; –наблюдение за системой; - изучение соответствующей теории; - изучение результатов, полученных в ходе моделирования подобных систем; - использование опыта, интуиции разработчика.
2. Регулярное взаимодействие с заказчиком
3. Документальная поддержка предположений и их структурированный критический анализ: - Необходимо записывать все предположения и ограничения, принятые для имитационной модели; - необходимо производить структурный разбор концептуальной модели с присутствием специалистов по изучаемым вопросам => Из этого следует валидация концептуальной модели.
4. Валидация компонентов модели количественными методами.
5. Валидация выходных данных всей имитационной модели(Проверка идентичности выходных данных модели и выходных данных, ожидаемых от реальной системы)
6. Анимация процесса моделирования
Обобщенная технология оценки и управления качеством модели первого класса:
1 – формирование цепей функционирования объекта 2- формирование входных сигналов 3- формирование целей моделирования 4 – управление качеством моделирования 5,6 – управление параметрами, структурой, концептуальным описанием
2. Общие признаки и свойства моделей.
Общие признаки моделей
1. Модель представляет собой «четырехместную конструкцию», компонентами которой являются субъект; задача, решаемая субъектом; объект-оригинал и язык описания или способ воспроизведения модели. Особую роль в структуре обобщенной модели играет решаемая субъектом задача. Вне контекста задачи или класса задач понятие модели не имеет смысла.
2. Каждому материальному объекту соответствует бесчисленное множество в равной мере адекватных, но различных по существу моделей, связанных с разными задачами.
3. Паре задача-объект соответствует множество моделей, содержащих в принципе одну и ту же информацию, но различающихся формами ее представления или воспроизведения.
4. Модель всегда является лишь относительным, приближенным подобием объекта-оригинала и в информационном отношении принципиально беднее последнего.
5. Произвольная природа объекта-оригинала, фигурирующая в принятом определении, означает, что этот объект может быть материально-вещественным, может носить чисто информационный характер и, наконец, может представлять собой комплекс разнородных материальных и информационных компонентов. Однако независимо от природы объекта, характера решаемой задачи и способа реализации модель представляет собой информационное образование.
6. В частном случае роль объекта моделирования в исследовательской или прикладной задаче играет не фрагмент реального мира, рассматриваемый непосредственно, а некая идеальная конструкция, т.е. по сути дела другая модель, созданная ранее и практически достоверная.
СВОЙСТВА МОДЕЛЕЙ
1) конечность: модель отображает оригинал лишь в конечном числе его отношений и, кроме того, ресурсы моделирования конечны;
2) упрощенность: модель отображает только существенные стороны объекта;
3) приблизительность: действительность отображается моделью приблизительно;
4)·адекватность: степень успешности описания моделью объекта моделирования;
5) информативность: модель должна содержать достаточную информацию о системе – в рамках гипотез, принятых при построении модели.