3

1. ФИЗИЧЕСКОЕ И МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ.

НАЗНАЧЕНИЕ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ,
ЕГО СТРУКТУРА

Математическое моделирование представляет собой область

науки, занимающейся моделированием явлений природы, техники,
экономической и общественной жизни с помощью
математического аппарата и ЭВМ. Математическое моделирование
основано на использовании объективных законов конкретных наук
(физики, химии, биологии, медицины, экономики и др.) и позволяет
отобразить в количественной форме и с заданной точностью
практически любые процессы, происходящие в реальной
действительности. Однако практическое внедрение методов
математического моделирования сдерживалось необходимостью
больших объемов вычислений, часто не преодолимых даже для
ЭВМ более ранних поколений. Положение резко изменилось в
последние годы, когда появились доступные персональные
компьютеры с большим объемом памяти и быстродействием, с
удобными для пользователя сервисными устройствами и пакетами
прикладных программ. Новые вычислительные возможности
стимулировали и дальнейшее развитие численных методов,
исследования их точности и устойчивости.
Математическое моделирование физических объектов отличает
хорошо разработанная картина окружающей нас неживой природы,
выраженная в математической форме в виде законов и уравнений для
точного определения физических величин. Для механических
явлений это уравнения движения (в нерелятивистской физике 
законы Ньютона) для координат и скоростей материальной точки
или тела заданной массы при заданных внешних силах. В некоторых
случаях удобнее использовать вытекающие из уравнений движения
законы сохранения импульса и его момента, законы сохранения
суммы потенциальной и кинетической энергий. Достаточно
разработана и теория полей сил, действующих на тело. Это закон
всемирного тяготения для гравитационных сил, уравнения
Максвелла для электромагнитных сил, действующих на
электрические заряды. Для системы большого количества частиц
получены статистические законы распределения
МаксвеллаБольцмана по скоростям и энергиям во внешних полях,
законы флуктуации и диффузии, термодинамические соотношения
для статистических величин (температуры, давления и др.) Для
микрочастиц атомного уровня разработаны квантово-механические
(вероятностные) законы их состояния и получены на их основе
свойства твердых тел, жидкостей, законы излучения, поглощения
 4

света и прохождения его через вещество. На основе общих законов в

физике изучены многочисленные эффекты и свойства веществ в
различных состояниях (механические, тепловые, электрические,
магнитные, оптические) и фазовые переходы между этими
состояниями. Получены дополнительные законы, уравнения и
соотношения, описывающие эти эффекты.
Вместе с тем прямое использование физических законов и
уравнений применительно к реальным техническим устройствам (за
исключением простейших модельных ситуаций) ввиду их
сложности не позволяет получить решение в аналитическом виде,
зачастую даже не ясен метод решения. Примером могут служить
задача взаимодействия трех и более тел, расчет электрического поля
вблизи острий и сложных поверхностей, расчеты магнитных полей
реальных катушек и проводников, задачи передачи тепла, диффузии
и проникновения электромагнитных полей при сложных граничных
условиях. Для решения поставленных задач необходимо проводить
физическое и (или) математическое моделирование.
До последнего времени основным было физическое
моделирование, которое и сейчас в некоторых случаях является
единственно возможным, например, когда сама математическая
модель отсутствует или она настолько сложна, что не представляется
возможным исследовать ее с необходимой полнотой. Физическое
моделирование (экспериментальное) может быть: натурное,
моделирование физического подобия и модели-аналоги. Натурный
эксперимент является наиболее дорогим и заключается в
исследовании физического процесса и системы в его естественном и
натуральном виде. Примером могут служить эксперименты на
натуральном МГД-генераторе, испытания самолетов в
аэродинамических трубах.
Моделирование физического подобия  это эксперименты в
установках уменьшенных размеров и упрощенном виде, но при
которых сохраняются некоторые параметры, характеризующие
процесс. Например, в уменьшенных аэродинамических трубах
необходимо сохранять такие параметры, как число Маха M = v/c, где
v  скорость потока, c  скорость звука в среде, и число Рейнольдса
vl
Re = 
, где   плотность среды, l  характерный линейный
размер обтекаемого тела,   коэффициент динамической вязкости.

Моделианалоги передают свойства исследованного процесса

опосредованно, на основе сходства математических моделей.
Примером может служить аналогия математической
 
модели

электрического поля в проводящей среде (  =  , div  = 0,
 5

 
I
 s
d
=I, G= 1/R=  , где   плотность тока,   проводимость) и
s
 
q

электростатического поля ( D   E,
 
 Dds  q , C= 
div D  0, ,
s

где D  вектор электрической индукции, q  заряд,  
диэлектрическая проницаемость). Для перехода от одной модели к

другой необходима замена D   , q  I,    . Тогда измерения
полной проводимости G=1/R тождественны электрической емкости
C. Аналогом прохождения электрического тока в неоднородных
средах является и такое явление в гидродинамике, как просачивание
воды сквозь плотину в неоднородной пористой среде.
Математическое моделирование процессов на ЭВМ имеет
более широкие возможности и экономит время и средства
разработок. Наибольшие преимущества математическое
моделирование перед физическим имеет в следующих случаях:
1. Эксперименты, предназначенные для получения информации
в очень дорогом или трудно достижимом лабораторном
эксперименте (субмикронные размеры полупроводниковых
приборов, макроразмеры Галактики и др.);
2. Эксперименты, предназначенные для точного предсказания
работы сложных устройств, чтобы иметь возможность оценить
большое количество вариантов для построения оптимальной модели
с применением дорогостоящей технологии;
3. Теоретические эксперименты, дающие ценные рекомендации
для развития теории.
Как предварительное, математическое моделирование является
ценным и в большинстве случаев экономически выгодным даже в
случае легкости выполнения физического моделирования.
Суть математического моделирования, его цель состоит в том,
чтобы на основе знаний о внешних воздействиях и взаимодействии
элементов исследуемой системы получать в количественной форме
возможные состояния системы в пространстве и времени чисто
вычислительным путем.
Исходная математическая модель может быть
детерминированная, заданная в виде алгебраических,
дифференциальных и интегральных уравнений и соотношений для
детерминированных параметров (величин) соответствующего
явления, и вероятностная, описывающая случайные величины и
использующая законы и принципы теории вероятности и
математической статистики.
Методы решения исходных задач также могут быть
различными. Для детерминированной модели чаще всего
используют аналитические (в виде формул) или численные решения.
 6

Вероятностная модель обычно решается методом последовательной

имитации случайных чисел, формируемых ЭВМ,  метод
статистических испытаний. Однако иногда удобно применять
статистические (имитационные) методы и для детерминированной
задачи. При этом детерминированным параметрам ставятся в
соответствие среднестатистические значения (обычно
математические ожидания) соответствующих случайных величин.
Таким образом, например, можно вычислить площади
геометрических фигур, кратные интегралы, решать уравнение
Пуассона для потенциала и задачи оптимизации. В то же время и
вероятностную статистическую задачу можно решить с некоторой
точностью аналитически или численно, оперируя аналитическими
соотношениями для функции распределения случайной величины и
ее моментов (математического ожидания, дисперсии и др.).
Примером может служить моделирование плазмы методом
уравнения Больцмана для функции распределения и уравнениями
для ее моментов (уравнения непрерывности, движения, потока тепла
и др.).
Кажущаяся простота численного моделирования, однако, таит в
себе значительные трудности, связанные с построением
соответствующей математической модели, численного алгоритма
решения задачи и необходимостью обоснования полученных
результатов. Сама математическая постановка задачи часто в точном
смысле не формулируется, а дается лишь ее физическая постановка,
что далеко не одно и тоже. Определяющими условиями успеха
численного моделирования являются удачно выбранная модель
явления, численный метод решения соответствующей
математической задачи и способ реализации алгоритма на ЭВМ. При
этом удачным является именно тот метод решения, который в
определенном смысле адекватен рассматриваемому явлению.

Структура и этапы математического моделирования

(вычислительного эксперимента)
детерминированного физического явления
 7

Исследуемая Математи- Математическое

система ческое преобразование
(физическое
 описание  к виду, 
явление) (модель обеспечивающему
явления) возможность
вычислений

Дискретная
алгебраическая
аппроксимация

Численный
 алгоритм

Изменение 
начальных Анализ Вычислительный Программа
условий  результатов  эксперимент  вычислений
В общем случае моделирование конкретного явления
начинается со сбора фактов и научных наблюдений: уточняется, что
входит в систему в качестве ее частей (элементов), а что не входит,
но оказывает внешнее воздействие. Далее выбирается совокупность
количественных характеристик (параметров), отражающих
возможные состояния системы в пространстве и времени,
производится некоторая схематизация и идеализация явления,
выделяются его существенные особенности. Затем на основе
объективных законов конкретных наук устанавливается
математическое описание связи (взаимодействия) между данными
характеристиками. Возможно использование математического
описания связи параметров, аналогичное описанию сходных
явлений (моделианалоги). При отсутствии известных законов для
связи выбранных параметров полезно провести анализ размерности
этих параметров. В основе этого анализа лежит так называемая 
теорема, основанная на независимости физического закона от
выбора системы единиц измерения. Сущность ее заключается в
следующем. Пусть какаялибо размерная величина a является
функцией других размерных величин a 1 , a 2 , a 3 ,...a n , т. е.
a  f (a 1 , a 2 ,...a n ) и среди них только первые k имеют независимые
размерности (приняты первичными). Размерности других величин
являются их производными, т. е.:
 8

ki k mi k Pi
 a     a  ;  a k 1     a i 
k

i ... a n     a i  . Тогда согласно  теореме

i 1 i 1 i 1
такое же соотношение выполняется для безразмерных комбинаций
  f (1,1...1,  k 1 ,... n )  F(  k 1 ,... n ) , где

a a k 1 an
 k ; k 1  k ;... n  k .
a
i 1
ki
i a
i 1
mi
i a
i 1
Pi
i

В частном случае, если k = n, т. е.   const , функциональная

зависимость имеет вид a  C  a 1 a 2 ...a n , где C  безразмерная
k k k 1 2 n

постоянная, а k1...kn  показатели в формуле размерности величины

‘a’. Если V  скорость ( м с ), L  длина (м), t  время (с), то V ~ L t ,
что и является определением скорости. С другой стороны, если
скорость частицы массой m (кг) приобретена под действием силы F (
кг  m то V~Fm-1t, что соответствует закону
с 2) за время t (с),
Ньютона.
Более интересен вывод выражения для скорости
распространения ударной волны в среде с плотностью  0 при
мгновенном вводе энергии E0 в малый (точечный) начальный объем.
При большой вводимой мощности (например, атомный взрыв)
начальным давлением можно пренебречь, тогда для определения
кг  м 2 кг
скорости будем иметь три параметра:  E 0   2
,    3 ,  t   c.
с м
1/ 5
 
Тогда V   E 0 3  , что подтверждается интегрированием системы
 0 t 
уравнений непрерывности, движения и энергии.
Отметим еще раз, что для физических объектов и задач
технических устройств исходная математическая модель (т. е.
выделенные параметры и соотношения между ними) может быть
построена на основе уже известных физических законов.
После построения математического описания явления
следующим этапом будут собственные математические
преобразования и построения, чтобы в принципе можно было
производить расчеты. Полезно привести задачу к безразмерному
виду, что уменьшает количество параметров, и выделить малые и
большие параметры, что позволяет существенно упростить
исходную модель. Если математическая задача слишком сложна,
 9

проводятся исследования на более простых, но содержательных по

отношению к исходной математической модели задачах. Если задача
свелась к уравнениям математической физики, то ее рекомендуется
исследовать на корректность (задача поставлена корректно, если ее
решение существует, единственно и устойчиво при малых
изменениях начальных и граничных условий), что особенно важно
при построении численного решения задачи.
Остановимся на выборе метода решения выраженной в
математической форме задачи. Прежде всего следует попытаться
найти ее аналитическое, точное решение, т. е. решение, записанное
в виде конечных формул. Однако это удается в сравнительно редких
случаях. Как правило, решение современных прикладных задач
требует применения вычислительных методов. Вследствие этого
следующим этапом является дискретизация математической модели
для возможного использования ЭВМ. При этом аналоговые
математические преобразования, например производные различных
порядков, интегральные преобразования, заменяются дискретными
алгебраическими аппроксимациями. Кроме методов конечных
разностей, находят применение и вариационные методы конечных
элементов, которые также сводят процесс построения решений
исходной уравнений в частных производных к решению систем
алгебраических или трансцедентных уравнений.
Для решения полученных дискретных алгебраических
аппроксимаций предлагается (придумывается) численный алгоритм,
обеспечивающий максимальную точность и устойчивость решения
при минимальных затратах машинного времени. По выбранному
численному алгоритму пишется программа вычислений (и
отлаживается) на выбранном языке программирования. После
проведения расчетов проводится анализ результатов, оценка их
точности и адекватности, при необходимости изменяются начальные
условия исходной системы, и процесс вычислительного
эксперимента повторяется до получения необходимых
(оптимальных) результатов.
Таким образом, выбор и построение соответствующего
оптимального для данной задачи метода решения является
центральным моментом в процессе численного моделирования и не
меньше, чем мощность ЭВМ, определяет эффективность и
возможность его проведения.