Ирина Эланс

Автор который поможет с любыми образовательными и учебными заданиями

Моделирование систем

4.1. Основные понятия моделирования

Модель - объект или описание объекта, системы для замещения (при определенных условиях предложениях, гипотезах) одной системы (т.е. оригинала) другой системы для изучения оригинала или воспроизведения его каких - либо свойств. Модель - результат отображения одной структуры на другую. Отображая физическую систему (объект) на математическую систему (например, математический аппарат уравнений) получим физико - математическую модель системы или математическую модель физической системы. В частности, физиологическая система - система кровообращения человека, подчиняется некоторым законам термодинамики и описав эту систему на физическом (термодинамическом) языке получим физическую, термодинамическую модель физиологической системы. Если записать эти законы на математическом языке, например, выписать соответствующие термодинамические уравнения, то получим математическую модель системы кровообращения. Эту модель можно назвать физиолого - физико - математической моделью или физико - математической моделью.

Модели, если отвлечься от областей, сфер их применения, бывают трех типов: познавательные, прагматические и инструментальные.

Познавательная модель - форма организации и представления знаний, средство соединение новых и старых знаний. Познавательная модель, как правило, подгоняется под реальность и является теоретической моделью.

Прагматическая модель - средство организации практических действий, рабочего представления целей системы для ее управления. Реальность в них подгоняется под некоторую прагматическую модель. Это, как правило, прикладные модели.

Инструментальная модель - является средством построения, исследования и/или использования прагматических и/или познавательных моделей.

Познавательные отражают существующие, а прагматические - хоть и не существующие, но желаемые и, возможно, исполнимые отношения и связи.

По уровню, "глубине" моделирования модели бывают эмпирические - на основе эмпирических фактов, зависимостей, теоретические - на основе математических описаний и смешанные, полуэмпирические - использующие эмпирические зависимости и математические описания.

Математическая модель М описывающая ситему S (x1,x2,...,xn; R), имеет вид: М=(z1,z2,...,zm; Q), где zi, i=1,2,...,m, Q, R - множества отношений над X - множеством входных, выходных сигналов и состояний системы и Z - множеством описаний, представлений элементов и подмножеств X, соответственно.

Основные требования к модели: наглядность построения; обозримость основных его свойств и отношений; доступность ее для исследования или воспроизведения; простота исследования, воспроизведения; сохранение информации, содержавшиеся в оригинале (с точностью рассматриваемых при построении модели гипотез) и получение новой информации.

Проблема моделирования состоит из трех задач:

построение модели (эта задача менее формализуема и конструктивна, в том смысле, что нет алгоритма для построения моделей);

исследование модели (эта задача более формализуема, имеются методы исследования различных классов моделей);

использование модели (конструктивная и конкретизируемая задача).

Модель М называется статической, если среди xi нет временного параметра t. Статическая модель в каждый момент времени дает лишь "фотографию" сиcтемы, ее срез.

Модель - динамическая, если среди xi есть временной параметр, т.е. она отображает систему (процессы в системе) во времени.

Модель - дискретная, если она описывает поведение системы только в дискретные моменты времени.

Модель - непрерывная, если она описывает поведение системы для всех моментов времени из некоторого промежутка времени.

Модель - имитационная, если она предназначена для испытания или изучения, проигрывания возможных путей развития и поведения объекта путем варьирования некоторых или всех параметров xi модели М.

Модель - детерминированная, если каждому входному набору параметров соответствует вполне определенный и однозначно определяемый набор выходных параметров; в противном случае - модель недетерминированная, стохастическая (вероятностная).

Можно говорить о различных режимах использования моделей - об имитационном режиме, о стохастическом режиме и т. д.

Модель включает в себя: объект О, субъект (не обязательный) А, задачу Z, ресурсы B, среду моделирования С: М=.

Свойства любой модели таковы:

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: модель успешно описывает моделируемую систему;

информативность: модель должна содержать достаточную информацию о системе - в рамках гипотез, принятых при построении модели.

Жизненный цикл моделируемой системы:

Сбор информации об объекте, выдвижение гипотез, предмодельный анализ;

Проектирование структуры и состава моделей (подмоделей);

Построение спецификаций модели, разработка и отладка отдельных подмоделей, сборка модели в целом, идентификация (если это нужно) параметров моделей;

Исследование модели - выбор метода исследования и разработка алгоритма (программы) моделирования;

Исследование адекватности, устойчивости, чувствительности модели;

Оценка средств моделирования (затраченных ресурсов);

Интерпретация, анализ результатов моделирования и установление некоторых причинно - следственных связей в исследуемой системе;

Генерация отчетов и проектных (народно - хозяйственных) решений;

Уточнение, модификация модели, если это необходимо, и возврат к исследуемой системе с новыми знаниями, полученными с помощью моделирования.

Основными операциями используемыми над моделями являются:

Линеаризация. Пусть М=М(X,Y,A), где X - множество входов, Y - выходов, А - состояний системы. Схематически можно это изобразить:

X ® A ® Y

Если X, Y, A - линейные пространства (множества), а j, y - линейные операторы, то система (модель) называется линейной. Другие системы (модели) - нелинейные. Нелинейные системы трудно поддаются исследованию, поэтому их часто линеаризуют - сводят к линейным каким-то образом.

Идентификация. Пусть М=М(X,Y,A), A={ai }, ai=(ai1,ai2,...,aik) - вектор состояния объекта (системы). Если вектор ai зависит от некоторых неизвестных параметров, то задача идентификации (модели, параметров модели) состоит в определении по некоторым дополнительным условиям, например, экспериментальным данным, характеризующим состояние системы в некоторых случаях. Идентификация - решение задачи построения по результатам наблюдений математических моделей, описывающих адекватно поведение реальной системы.

Агрегирование. Операция состоит в преобразовании (сведении) модели к модели (моделям) меньшей размерности (X, Y, A).

Декомпозиция. Операция состоит в разделении системы (модели) на подсистемы (подмодели) с сохранением структур и принадлежности одних элементов и подсистем другим.

Сборка. Операция состоит в преобразовании системы, модели, реализующей поставленную цель из заданных или определяемых подмоделей (структурно связанных и устойчивых).

Макетирование. Эта операция состоит в апробации, исследовании структурной связности, сложности, устойчивости с помощью макетов или подмоделей упрощенного вида, у которых функциональная часть упрощена (хотя вход и выход подмоделей сохранены).

Экспертиза, экспертное оценивание. Операция или процедура использования опыта, знаний, интуиции, интеллекта экспертов для исследования или моделирования плохо структурируемых, плохо формализуемых подсистем исследуемой системы.

Вычислительный эксперимент. Это эксперимент, осуществляемый с помощью модели на ЭВМ с целью распределения, прогноза тех или иных состояний системы, реакции на те или иные входные сигналы. Прибором эксперимента здесь является компьютер (и модель!).

Модели и моделирование применяются по следующим основным и важным направлениям.

Обучение (как моделям, моделированию, так и самих моделей).

Познание и разработка теории исследуемых систем - с помощью каких - то моделей, моделирования, результатов моделирования.

Прогнозирование (выходных данных, ситуаций, состояний системы).

Управление (системой в целом, отдельными подсиситемами системы, выработка управленческих решений и стратегий).

Автоматизация (системы или отдельных подсистем системы).

В базовой четверке информатики: "модель - алгоритм - компьютер - технология" при компьютерном моделировании главную роль играют уже алгоритм (программа), компьютер и технология (точнее, инструментальные системы для компьютера, компьютерные технологии).

Например, при имитационном моделировании (при отсутствии строгого и формально записанного алгоритма) главную роль играют технология и средства моделирования; аналогично и в когнитивной графике.

Основные функции компьютера при моделировании систем:

выполнять роль вспомогательного средства для решения задач, решаемых обычными вычислительными средствами, алгоритмами, технологиями;

выполнять роль средства постановки и решения новых задач, не решаемых традиционными средствами, алгоритмами, технологиями;

выполнять роль средства конструирования компьютерных обучающе - моделирующих сред;

выполнять роль средства моделирования для получения новых знаний;

выполнять роль "обучения" новых моделей (самообучающиеся модели).

Компьютерное моделирование - основа представления знаний в ЭВМ (построения различных баз знаний). Компьютерное моделирование для рождения новой информации использует любую информацию, которую можно актуализировать с помощью ЭВМ.

Разновидностью компьютерного моделирования является вычислительный эксперимент.

Компьютерное моделирование, вычислительный эксперимент становится новым инструментом, методом научного познания, новой технологией также из-за возрастающей необходимости перехода от исследования линейных математических моделей систем .

Компьютерное моделирование, от постановки задачи - до получения результатов, проходит следующие этапы.

1.Постановка задачи.

Формулировка задачи.

Определение цели моделирования и их приоритетов.

Сбор информации о системе, объекте моделирования.

Описание данных (их структуры, диапазона, источника и т. д.).

2. Предмодельный анализ.

Анализ существующих аналогов и подсистем.

Анализ технических средств моделирования (ЭВМ, периферия).

Анализ программного обеспечения(языки программирования, пакеты программ, инструментальные среды).

Анализ математического обеспечения(модели, методы, алгоритмы).

Анализ задачи (модели).

3.Разработка структур данных.

Разработка входных и выходных спецификаций, форм представления данных.

Проектирование структуры и состава модели (подмоделей).

4. Исследование модели.

Выбор методов исследования подмоделей.

Выбор, адаптация или разработка алгоритмов, их псевдокодов.

Сборка модели в целом из подмоделей.

5.Идентификация модели, если в этом есть необходимость.

6. Формулировка используемых критериев адекватности, устойчивости и чувствительности модели.

7. Программирование (проектирование программы).

8. Выбор метода тестирования и тестов (контрольных примеров).

9. Кодирование на языке программирования(написание команд).

Комментирование программы.

Тестирование и отладка.

Синтаксическая отладка.

Семантическая отладка (отладка логической структуры).

10. Тестовые расчеты, анализ результатов тестирования.

11. Оптимизация программы.

12. Оценка моделирования.

Оценка средств моделирования.

Оценка адекватности моделирования.

Оценка чувствительности модели.

Оценка устойчивости модели.

13. Документирование.

Описание задачи, целей.

Описание модели, метода, алгоритма.

Описание среды реализации.

Описание возможностей и ограничений.

Описание входных и выходных форматов, спецификаций.

Описание тестирования.

Описание инструкций пользователю.

14. Сопровождение.

Анализ использования, периодичности использования, количества пользователей, типа использования (диалог, автономно и др.), анализ отказов во время использования модели.

Обслуживание модели, алгоритма, программы и их эксплуатация.

Расширение возможностей: включение новых функций или изменение режимов моделирования, в том числе и под модифицированную среду.

Нахождение, исправление скрытых ошибок в программе, если таковые найдутся.

15. Использование модели.

Лабораторная работа №6

4.2. Модели и моделирование систем

Математическое и компьютерное моделирование.

Данный период характерен необходимостью моделирования различных социально- экономических процессов и систем и принятия решений на основе результатов моделирования, ибо такие системы и процессы достаточно сложны, многогранны, динамичны, подвержены случайным воздействиям. Достаточно интенсивно моделируются сейчас такие социально-экономические процессы, как демографические (например, эволюция и цикличность), социальные (например, поведение социальных групп, социальных последствий тех или иных решений), экономические (например, рыночные отношения, налоговые сборы, риски), гуманитарные (например, воздействие на человека информационного потока) и др. Приведём пример математического моделирования некоторой системы (полный жизненный цикл моделирования).Решение поставленной задачи разобьем на этапы, в соответствии с этапами жизненного цикла моделирования, объединяя для удобства некоторые этапы для удобства и краткости изложения.

Этап 1. Содержательная постановка задачи

Современное производство характеризуется тем, что некоторая часть производимой продукции (в стоимостном выражении) возвращается в виде инвестиций (т.е. части конечной продукции, используемой для создания основных фондов производства) в производство. При этом время возврата, ввода в оборот новых фондов может быть различной для различного рода производства. Необходимо промоделировать данную эту ситуацию и выявить динамику изменения величины основных фондов производства (капитала).

Сложность и многообразие, слабая структурированность и плохая формализуемость основных экономических механизмов, определяющих работу предприятий не позволяют преобразовать процедуры принятия решений в экономической системе в полностью эффективные математические модели и алгоритмы прогнозирования. Поэтому часто эффективно использование простых, но гибких и надёжных процедур принятия решения.

Рассмотрим одну такую простую модель. Эта модель будет полезна для прогноза событий и связанных с ними социально-экономических процессов.

Этап 2. Формулировка гипотез, построение, исследование модели

Структура производства и сбыта часто зависит от изменений в окружающей среде (социально-экономических условий).

Динамика изменения величины капитала определяется, в основном, в нашей модели, простыми процессами производства и описывается так называемыми обобщенными коэффициентами амортизации (расхода фондов) и потока инвестиций (часть конечного продукта, используемого в единицу времени для создания основных фондов). Эти коэффициенты - относительные величины (за единицу времени). Необходимо разработать и исследовать модель динамики основных фондов. Считаем при этом допустимость определённых гипотез, определяющих рассматриваемую систему производства.

Пусть x(t) - величина основных фондов (капитала) в момент времени t, где 0 £ t £ N. Через промежуток времени Dt она будет равна x(t+Dt).

Абсолютный прирост равен

Относительный прирост будет равен

Примем следующие гипотезы:

социально-экономические условия производства достаточно хорошие и способствуют росту производства, а поток инвестиций задается в виде известной функции y(t);

коэффициент амортизации фондов считается неизменным и равным m и при достаточно малом Dt изменение основных фондов прямо пропорционально текущей величине капитала, т.е.

Считая Dt ® 0, а также учитывая определение производной, получим из предыдущего соотношения следующее математическое выражение закона изменения величины капитала - математическую модель (уравнение) динамики капитала (такие уравнения называются дифференциальными):

где х(0) - начальное значение капитала в момент времени t=0.

Эта величина х0 везде в дальнейшем будет считаться заданной. Эта простейшая модель динамики величины капитала.

Эта простейшая модель не отражает того факта, что социально- экономические ресурсы производства таковы, что между выделением инвестиций и их введением и использованием в выпуске новой продукции проходит некоторое время - лаг. Учитывая это можно записать модель (1) в виде:

Данной непрерывной, дифференциальной, динамической модели можно поставить в соответствие простую дискретную модель:

где n - предельное значение момента времени при моделировании. Эта дискретная модель получается из непрерывной при Dt=1, а также заменой производной x'(t) на относительное приращение Dt (замена, как это следует из определения производной, справедлива при малых Dt).

Этап 3. Построение алгоритма и программы моделирования

Рассмотрим для простоты режим моделирования когда m, c, y - известны и постоянны, а также рассмотрим наиболее простой алгоритм моделирования в укрупнённых шагах.

Ввод входных данных для моделирования:

с=х(0) - начальный капитал;

n - конечное время моделирования;

m - коэффициент амортизации;

s - единица измерения времени;

y - инвестиции.

Вычисление xi от i=1 до i=n по рекуррентной формуле (2).

Поиск стационарного состояния - такого момента времени j, 0<=j<=n, начиная с которого все хj, хj+1,...,хn постоянны или изменяются на малую допустимую величину e>0.

Выдача результатов моделирования и, по желанию пользователя, графика.

Приведём программу на Паскале для имитационного моделирования (компактность программы «принесена в жертву» структурированности).

PROGRAM MODFOND;

{Исходные данные находятся в файле in.dat текущего каталога}

{Результаты записываются в файл out.dat текущего каталога}

Uses

Crt, Graph, Textwin;

Type

Vector = Array[0..2000] of Real;

Mas = Array[0..2000] of LongInt;

Var

Time,Lag,t,dv,mv,i,yi,p : Integer;

tmax,tmin : LongInt;

a,b,m,X0,maxx,minx,aa,bb,cc,sx,tk : Real;

x : Vector;

ax,ay : Mas;

ch : Char;

f1,f2 : Text;

{----------------------------------------------------------------------------}

Procedure InputKeyboard; { Ввод с клавиатуры }

Begin

OpenWindow(10,5,70,20,' Ввод данных ',14,4);

ClrScr; WriteLn; WriteLn('Введите время Т прогнозирования системы:');

Repeat

Writeln('Для удобства построения графика введите Т не меньше 2');

Write('Т ='); ReadLn(Time);

until Time>=2;

WriteLn('Введите лаг:');

Repeat

Write('Лаг должен быть строго меньше Т - '); ReadLn(Lag);

until Lag0 ) a = '); ReadLn(a);

Write('( b>0 ) b = '); ReadLn(b);

Repeat

Write('Введите коэффициент амортизации ( 0 < M < 1 ) - '); Readln(m);

until (m<1) and (m>0);

Write('Введите значение фондов в начальный момент - '); Readln(X0);

CloseWindow;

end;

{----------------------------------------------------------------------------}

Procedure InputFile; { Ввод из файла }

Begin

Assign(f1,'in.dat'); Reset(f1);

Readln(f1,time,lag,a,b,m,X0); Close(f1);

End;

{----------------------------------------------------------------------------}

Procedure OutputFile; { Запись результата работы в файл }

Begin

Assign(f2,'out.dat'); Rewrite(f2);

WriteLn(f2,' Результаты моделирования:');

WriteLn(f2,'Значение фондов в заданное время Т = ',x[time]:4:2);

WriteLn(f2,'Максимальное значение фондов = ',maxx:4:2);

Write(f2,'Минимальное значение фондов = ',minx:4:2);

Close(f2);

End;

{----------------------------------------------------------------------------}

Procedure InputRnd; { Ввод случайными числами }

Begin

Randomize;

Repeat Time:=Random(90); until Time>=2;

Repeat Lag:=Random(80); until Lagmaxx

then begin maxx:=x[t]; tmax:=t; end

else if x[t]'); OutTextXY(67,47,'^'); OutTextXY(57,415,'0');

OutTextXY(80,45,'X(T) - (Величина основных фондов производства)');

OutTextXY(590,415,'T'); OutTextXY(540,430,'(Время)'); SetColor(2);

For i:=1 to 16 do Line(67,70+20*i,70,70+20*i);

For i:=1 to 24 do Line(70+20*i,410,70+20*i,413);

Mas_OX; Mas_OY;

For t:=0 to time do

Вegin

SetColor(Blue); Circle(ax[t],ay[t],2);

SetFillStyle(SolidFill,Red); FloodFill(ax[t],ay[t],Blue);

End;

SetColor(Red); SetLineStyle(3,1,1);

Line(70,ay[time],ax[time],ay[time]);

Line(ax[time],ay[time],ax[time],410);

Ipol(0,x[0],1,x[1],2,x[2]);

For i:=ax[0] to ax[2] do

Begin

sx:=p*(i-70)/20;

yi:=410-round(20*(aa*sx*sx+bb*sx+cc)/tk);

SetColor(Red); Circle(i,yi,1);

End;

For t:=1 to Time-2 do

Begin

Ipol(t,x[t],t+1,x[t+1],t+2,x[t+2]);

For i:=ax[t+1] to ax[t+2] do

Begin

sx:=p*(i-70)/20;

yi:=410-round(20*(aa*sx*sx+bb*sx+cc)/tk);

SetColor(Red); Circle(i,yi,1);

End;

ReadKey; CloseGraph;

End;

{----------------------------------------------------------------------------}

Begin

While true do

Begin

ClrScr; TextBackGround(2); Window(1,1,80,25); ClrScr;

OpenWindow(30,22,50,24,' Нажмите клавишу... ',4,1);

OpenWindow(5,5,75,16,' Динамика фондов производства ',14,5);

ClrScr; WriteLn;

WriteLn(' Пусть х(t) - основные фонды в момент времени t, y(t) -');

WriteLn(' инвестиции, m - коэффициент амортизации фондов.');

WriteLn(' Модель динамики основных фондов (L - лаг):');

Write(' x`(t) = y(t-L) - mx(t), где х(0) = Хо, y(t)=at+b, ( a,b>0 ).');

ReadKey; CloseWindow;

OpenWindow(15,10,65,17,' Выбирите вариант ввода: ',15,0);

ClrScr; WriteLn;

WriteLn(' С клавиатуры - < 1 >');

WriteLn(' Из файла - < 2 >');

WriteLn(' Случайными числами - < 3 >');

WriteLn(' Выход - ');

ch:=ReadKey;

Сase ch of

#49: InputKeyboard;

#50: Вegin InputFile; OutputScreen; Еnd;

#51: Вegin InputRnd; OutputScreen; End;

#27: Halt(1);

End;

CloseWindow; Worker; OutputFile; OpenWindow(22,10,58,14,'',15,5);

ClrScr; WriteLn;

Write('Для просмотра графика нажмите ввод'); ch:=ReadKey;

If ch=#13 then begin Graf; RestoreCrtMode; end;

CloseWindow; TextBackGround(15); Window(1,1,80,25);

ClrScr; OpenWindow(15,10,65,16,'',15,6); ClrScr; WriteLn;

WriteLn(' Хотите еще моделировать ?'); WriteLn;

WriteLn('Для выхода нажмите - < Esc >');

WriteLn('Для продолжения нажмите любую другую клавишу');

ch:=ReadKey;

If ch=#27 then Halt(1);

CloseWindow;

End;

ClrScr; TextBackGround(0);

End.

Этап 4. Проведение вычислительных экспериментов

Эксперимент 1. Поток инвестиций постоянный и в каждый момент времени равен 111. В начальный момент капитал - 1000 руб. Коэффициент амортизации - 0.0025. Построить модель динамики (посуточно) и найти величину основных фондов через 50 суток, если лаг равен 10 суток.

Эксперимент 2. Основные фонды в момент времени t=0 была равны 50000. Через какое время общая их сумма превысит 1200000 руб., если поток инвестиций постоянный и равен 200, а m=0.02, T=5?

Этап 5. Модификация (развитие) модели

Для модели динамики фондов с переменным законом потока инвестиций:

а) построить гипотезы, модель и алгоритм моделирования;

б) сформулировать планы вычислительных, компьютерных экспериментов по модели;

в) реализовать алгоритм и планы экспериментов на ЭВМ.

Компьютерное моделирование и вычислительные эксперименты

Рассмотрим следующую модель течения эпидемии. Пусть существует группа из n контактирующих индивидуумов, в которой в момент времени t имеется x восприимчивых индивидуумов, y - источников инфекции и z - удаленных (изолированных или выздоровевших и ставших невосприимчивыми к инфекции) индивидуумов. Таким образом, имеем: x+y+z=n.

Определим исходные параметры системы: b — частота контактов между членами группы; g — частота случаев удаления; m — скорость пополнения восприимчивых индивидуумов извне (она же и есть скорость гибели индивидуумов, удаленных из популяции); y* — критическое значение, при котором начинается эпидемия.

После какой — либо одной вспышки эпидемии, в результате которой плотность восприимчивых индивидуумов упадет ниже критического значения y*, наступает период относительного затишья, длящийся до тех пор, пока снова не будет достигнуто критическое значение y* и не возникнет новая вспышка. За время Dt группа восприимчивых индивидуумов, с одной стороны, уменьшается на b xy Dt за счет заражения части из них, а с другой — увеличивается на n Dt.

При t=0 заданы x(0)=x0, y(0)=y0, z(0)=z0 - число восприимчивых, инфекционных и удаленных индивидуумов соответственно.

Рассматривается промежуток времени t (0 £ t £ T). При малых Dt=1 (например, минута) получим соотношения (дискретную модель):

Приведём результаты проведённых вычислительных экспериментов.

Первые два случая демонстрируют периодичность эпидемии. В последнем примере имеет место случай стационарного состояния, т.е. после некоторого момента времени t количества индивидуумов в группах x, y, z остаются постоянными.

Программу компьютерного моделирования и вычислительные эксперименты реализовали студентки математического факультета КБГУ Буздова Асият и Мильман Евгения.

Компьютерное моделирование.

Рассмотрим проблему расчета влажности почвы с учетом накапливаемой биомассы и прогнозирования урожайности сельхозкультур по заданной (экологически обоснованной) влагообеспеченности корнеобитаемого слоя почвы. Разработать соответствующую компьютерную моделирующую среду, которая позволяет решать задачи прогноза влажности корнеобитаемого слоя почвы и урожайности (биомассы) сельхозкультур на заданный момент времени с развитыми интерфейсными средствами, рассчитанными на неподготовленного пользователя-агронома, эколога и др. Опишем одну такую программную среду, реализованную реально в среде Delphi 2.0 Windows 95 автором и студентами КБГУ Кирьязевой С.К. и Кирьязевым Д.А. для расчета влажности почвы и определения урожайности сельхозкультур. Общение с пользователем осуществляется с помощью диалогового окна “Расчет влажности и урожайности”, содержащего 5 страниц: “Эксперимент”, “С/х культура”, “Регион”, “Рабочая” и “Результат”.

Страница “С/х культура”- для ввода входной информации по культуре.

Страница “Регион” - для ввода информации по региону эксперимента.

Страница “Эксперимент” выглядит следующим образом.

Данная страница предназначена для ввода названия эксперимента, выбора названия культуры из списка имеющихся (которые были введены на странице “С/х культура”), региона проведения эксперимента из списка регионов, введенных на странице “Регион”, ввода даты посева культуры и даты снятия урожая, для ввода данных по величинам, зависящим от вида культуры, типа почв (по фазам вегетации). Предусмотрена возможность выбора: вычислять ли значения коэффициентов e и l или же рассматривать их как постоянные величины? После заполнения страницы “Эксперимент”, можно произвести расчет влажности почвы и прогноз урожайности культуры. Для этого достаточно лишь нажать кнопку “Произвести расчет” на странице “Эксперимент”. После этого автоматически раскрывается страница “Результат” с таблицей рассчитанных величин и выводится график зависимости влажности почвы от времени (1 - синим цветом), накопления биомассы растений от времени при вычисленной влажности (2 - зеленым цветом) и оптимального развития растений - по экспериментальным данным за прошлый год (3 - красным цветом).

Моделирование систем 📙 Реферат → 🆔 154628