Bilgisayar simülasyonu - Computer simulation

Hava Durumu Araştırma ve Tahmin modelini kullanan Typhoon Mawar'ın 48 saatlik bilgisayar simülasyonu
Bir bilgisayar modeli oluşturma süreci ve deney, simülasyon ve teori arasındaki etkileşim.

Bilgisayar simülasyonu , gerçek dünyadaki veya fiziksel bir sistemin davranışını veya sonucunu tahmin etmek için tasarlanmış, bir bilgisayarda gerçekleştirilen matematiksel modelleme sürecidir . Bazı matematiksel modellerin güvenilirliği, sonuçlarını tahmin etmeyi amaçladıkları gerçek dünya sonuçlarıyla karşılaştırarak belirlenebilir. Bilgisayar simülasyonları, fizikte ( hesaplamalı fizik ), astrofizikte , klimatolojide , kimyada , biyolojide ve üretimde olduğu kadar ekonomi , psikoloji , sosyal bilimler , sağlık ve mühendislikteki insan sistemlerindeki birçok doğal sistemin matematiksel modellemesi için yararlı bir araç haline geldi . Bir sistemin simülasyonu, sistem modelinin çalışması olarak temsil edilir. Yeni teknolojiyi keşfetmek ve yeni içgörüler elde etmek ve analitik çözümler için çok karmaşık sistemlerin performansını tahmin etmek için kullanılabilir .

Bilgisayar simülasyonları, küçük olabilen, küçük cihazlarda neredeyse anında çalışan bilgisayar programları veya ağ tabanlı bilgisayar gruplarında saatlerce veya günlerce çalışan büyük ölçekli programlar çalıştırılarak gerçekleştirilir. Bilgisayar simülasyonları tarafından simüle edilen olayların ölçeği, geleneksel kağıt kalem matematiksel modelleme kullanılarak mümkün olan (veya belki de hayal edilebilecek) her şeyi çok aştı. 1997'de, bir kuvvetin diğerini işgal ettiği bir çöl savaşı simülasyonu , DoD Yüksek Performanslı Bilgisayar Modernizasyon Programında birden fazla süper bilgisayar kullanarak Kuveyt çevresindeki simüle edilmiş arazide 66.239 tank, kamyon ve diğer araçların modellenmesini içeriyordu . Diğer örnekler arasında 1 milyar atomluk malzeme deformasyonu modeli; 2005 yılında tüm canlı organizmaların kompleks protein üreten organeli olan ribozomun 2.64 milyon atomluk bir modeli ; 2012 yılında Mycoplasma genitalium'un yaşam döngüsünün tam bir simülasyonu ; ve EPFL'deki (İsviçre) Mavi Beyin projesi , tüm insan beyninin moleküler seviyeye kadar ilk bilgisayar simülasyonunu yaratmak için Mayıs 2005'te başladı.

Simülasyonun hesaplama maliyeti nedeniyle, belirsizlik ölçümü gibi çıkarımları gerçekleştirmek için bilgisayar deneyleri kullanılır .

Modele karşı simülasyon

Bir bilgisayar modeli, modellenen sistemin davranışını yakalamak için kullanılan algoritmalar ve denklemlerdir. Buna karşılık, bilgisayar simülasyonu, bu denklemleri veya algoritmaları içeren programın gerçek çalışmasıdır. Simülasyon, bu nedenle, bir model çalıştırma sürecidir. Bu nedenle "bir simülasyon inşa etmek" olmaz; bunun yerine, kişi "bir model oluşturur" ve ardından "modeli çalıştırır" veya eşdeğer olarak "bir simülasyon çalıştırır".

Tarih

Bilgisayar simülasyonu sırasında ilk büyük ölçekli dağıtım sonrasında bilgisayarın hızlı büyümesi ile el-ele geliştirilen Manhattan Projesi de İkinci Dünya Savaşı sürecini modellemek için nükleer bir patlama . Monte Carlo algoritması kullanan 12 sert kürenin simülasyonuydu . Bilgisayar simülasyonu genellikle basit kapalı form analitik çözümlerinin mümkün olmadığı modelleme sistemlerine ek veya onların yerine kullanılır. Birçok bilgisayar simülasyonu türü vardır; ortak özellikleri, modelin tüm olası durumlarının eksiksiz bir listesinin yasaklayıcı veya imkansız olacağı bir model için temsili senaryoların bir örneğini oluşturma girişimidir.

Veri Hazırlama

Simülasyonların ve modellerin harici veri gereksinimleri büyük farklılıklar gösterir. Bazıları için girdi yalnızca birkaç sayı olabilir (örneğin, bir kablodaki AC elektrik dalga biçiminin simülasyonu), diğerleri için terabaytlarca bilgi gerektirebilir (hava durumu ve iklim modelleri gibi).

Giriş kaynakları da büyük ölçüde değişir:

  • Modele bağlı sensörler ve diğer fiziksel cihazlar;
  • Simülasyonun ilerlemesini bir şekilde yönlendirmek için kullanılan kontrol yüzeyleri;
  • Elle girilen güncel veya geçmiş veriler;
  • Diğer proseslerden yan ürün olarak elde edilen değerler;
  • Değerler, diğer simülasyonlar, modeller veya süreçler tarafından amaç için çıktı.

Son olarak, verilerin mevcut olduğu zaman değişir:

  • "Değişmeyen" veriler genellikle, ya değer gerçekten değişmez olduğu için (örneğin, π değeri) ya da tasarımcılar, değerin tüm ilgili durumlar için değişmez olduğunu düşündükleri için model koduna yerleştirilmiştir;
  • veriler, başlatıldığında simülasyona girilebilir, örneğin bir veya daha fazla dosya okunarak veya bir önişlemciden veri okunarak ;
  • veriler, örneğin bir sensör ağı tarafından simülasyon çalışması sırasında sağlanabilir.

Bu çeşitlilik nedeniyle ve çeşitli simülasyon sistemlerinin birçok ortak unsuru olduğundan, çok sayıda özel simülasyon dili vardır . En bilineni Simula olabilir . Şimdi başkaları da var.

Dış kaynaklardan veri kabul eden sistemler, ne aldıklarını bilme konusunda çok dikkatli olmalıdır. Bilgisayarların metin veya ikili dosyalardan değerleri okuması kolay olsa da, daha zor olan, değerlerin doğruluğunun ( ölçüm çözünürlüğü ve kesinliğine kıyasla) ne olduğunu bilmektir . Genellikle "hata çubukları" olarak ifade edilirler, gerçek değerin (olması beklenen) içinde bulunduğu değer aralığından minimum ve maksimum sapma. Dijital bilgisayar matematiği mükemmel olmadığından, yuvarlama ve kesme hataları bu hatayı çoğaltır, bu nedenle simülasyon tarafından çıktı değerlerinin yine de yararlı bir şekilde doğru olacağını doğrulamak için bir "hata analizi" yapmak yararlıdır.

Türler

Bilgisayar modelleri, aşağıdakiler de dahil olmak üzere birkaç bağımsız özellik çiftine göre sınıflandırılabilir:

  • Stokastik veya deterministik (ve deterministik, kaotik özel bir durum olarak) – stokastik ve deterministik simülasyon örnekleri için aşağıdaki harici bağlantılara bakın
  • Kararlı durum veya dinamik
  • Sürekli veya ayrık (ve ayrık, ayrık olay veya DE modellerinin önemli bir özel durumu olarak )
  • Dinamik sistem simülasyonu , örneğin elektrik sistemleri, hidrolik sistemler veya çok gövdeli mekanik sistemler (öncelikle DAE:s ile tanımlanır) veya alan problemlerinin dinamik simülasyonu, örneğin FEM simülasyonlarının CFD'si (PDE:s ile tanımlanır).
  • Yerel veya dağıtılmış .

Modelleri kategorize etmenin bir başka yolu, temeldeki veri yapılarına bakmaktır. Zaman adımlı simülasyonlar için iki ana sınıf vardır:

  • Verilerini düzenli ızgaralarda depolayan ve yalnızca sonraki komşu erişimini gerektiren simülasyonlara şablon kodları denir . Birçok CFD uygulaması bu kategoriye aittir.
  • Temeldeki grafik normal bir ızgara değilse, model meshfree yöntem sınıfına ait olabilir .

Denklemler, modellenen sistemin öğeleri arasındaki ilişkileri tanımlar ve sistemin dengede olduğu bir durumu bulmaya çalışır. Bu tür modeller, dinamik simülasyon denenmeden önce daha basit bir modelleme durumu olarak, genellikle fiziksel sistemlerin simülasyonunda kullanılır.

  • Dinamik simülasyonlar, (genellikle değişen) giriş sinyallerine yanıt olarak bir sistemdeki değişiklikleri model alır.
  • Stokastik modeller,şans veya rastgele olaylarımodellemek için rasgele sayı üreteçlerini kullanır;
  • Bir ayrık olay simülasyonu (DES) zamanında olayları yönetir. Çoğu bilgisayar, mantık testi ve hata ağacı simülasyonu bu türdendir. Bu tür simülasyonda, simülatör, meydana gelmeleri gereken simülasyon zamanına göre sıralanmış bir olaylar sırası tutar. Simülatör, kuyruğu okur ve her olay işlenirken yeni olayları tetikler. Simülasyonu gerçek zamanlı olarak yürütmek önemli değildir. Simülasyon tarafından üretilen verilere erişebilmek ve tasarımdaki veya olaylar dizisindeki mantık hatalarını keşfedebilmek genellikle daha önemlidir.
  • Bir sürekli, dinamik bir simülasyon gerçekleştirir sayısal çözeltisi diferansiyel-cebirsel denklemler veya diferansiyel denklemler (ya kısmen ya da sıradan ). Periyodik olarak, simülasyon programı tüm denklemleri çözer ve simülasyonun durumunu ve çıktısını değiştirmek için sayıları kullanır. Uygulamalar arasında uçuş simülatörleri, inşaat ve yönetim simülasyon oyunları , kimyasal süreç modellemesi ve elektrik devrelerinin simülasyonları yer alır . Başlangıçta, bu tür simülasyonlar , diferansiyel denklemlerin doğrudan op-amp'ler gibi çeşitli elektrik bileşenleri ile temsil edilebildiği analog bilgisayarlarda uygulandı . 1980'lerin sonunda, ancak, en "analog" simülasyonları konvansiyonel üzerinde çalıştırılmıştır dijital bilgisayarlar taklit bir analog bilgisayarın davranışı.
  • Temel bir denklemi olan bir modele dayanmayan, ancak yine de resmi olarak temsil edilebilen özel bir ayrık simülasyon türü, etmen tabanlı simülasyondur . Etmen tabanlı simülasyonda, modeldeki bireysel varlıklar (moleküller, hücreler, ağaçlar veya tüketiciler gibi) doğrudan (yoğunlukları veya konsantrasyonları yerine) temsil edilir ve bunların nasıl olacağını belirleyen bir iç duruma ve davranış veya kurallara sahiptir. aracının durumu bir zaman adımından diğerine güncellenir.
  • Dağıtılmış modeller, muhtemelen İnternet aracılığıyla birbirine bağlı bilgisayarlardan oluşan bir ağ üzerinde çalışır . Bunun gibi birden çok ana bilgisayara dağılmış simülasyonlara genellikle "dağıtılmış simülasyonlar" denir. Dağıtılmış simülasyon için Toplam Düzey Simülasyon Protokolü (ALSP), Dağıtılmış Etkileşimli Simülasyon (DIS), Yüksek Düzey Mimari (simülasyon) (HLA) ve Test ve Eğitim Etkinleştirme Mimarisi (TENA) dahil olmak üzere çeşitli standartlar vardır .

görselleştirme

Önceden, bir bilgisayar simülasyonundan elde edilen çıktı verileri bazen verilerin simülasyon parametrelerindeki sayısız değişiklikten nasıl etkilendiğini gösteren bir tablo veya matriste sunulurdu . Matris formatının kullanımı, matris kavramının matematiksel modellerde geleneksel kullanımı ile ilgiliydi . Bununla birlikte, psikologlar ve diğerleri, insanların bilgisayar tarafından oluşturulan görüntü (CGI) animasyonunda gösterildiği gibi, verilerden oluşturulan grafiklere, hatta hareketli görüntülere veya hareketli görüntülere bakarak eğilimleri hızlı bir şekilde algılayabileceğini belirtti . Her ne kadar gözlemciler sayıları okuyamasalar veya matematik formülleri aktaramasalar da, hareketli bir hava durumu çizelgesini gözlemleyerek olayları yağmur bulutu koordinat tablolarını taramaktan çok daha hızlı tahmin edebilirler (ve "yağmurun kendi yollarına yöneldiğini görebilirler") . Sayılar ve formüller dünyasını aşan bu tür yoğun grafik gösterimler, bazen sayısal veri gösterimlerinden çok uzaklaşıyormuş gibi bir koordinat ızgarası veya atlanmış zaman damgaları olmayan çıktılara da yol açtı. Bugün, hava durumu tahmin modelleri, hareket eden yağmur/kar bulutlarının görüntüsünü, sayısal koordinatları ve sayısal zaman damgalarını kullanan bir haritaya karşı dengeleme eğilimindedir.

Benzer şekilde, CAT taramalarının CGI bilgisayar simülasyonları, uzun bir tıbbi tedavi süresi boyunca bir tümörün nasıl küçülebileceğini veya değişebileceğini simüle edebilir ve zamanın geçişini, tümör değiştikçe görünür insan kafasının dönen bir görüntüsü olarak sunar.

CGI bilgisayar simülasyonlarının diğer uygulamaları, bir simülasyon çalışması sırasında değişiklikler meydana geldikçe, büyük miktarda veriyi hareket halinde grafik olarak görüntülemek için geliştirilmektedir.

Bilimde bilgisayar simülasyonu

Osmoz sürecinin bilgisayar simülasyonu

Temel bir matematiksel tanımdan türetilen, bilimdeki bilgisayar simülasyonu türlerinin genel örnekleri:

Bilgisayar simülasyonlarının özel örnekleri aşağıdaki gibidir:

  • Bu tür bir denge öngörülmesi olarak giriş profilleri, çok sayıda bir aglomerasyon dayalı istatistiki simülasyonlar sıcaklığında bir su toplama gam sağlayan meteorolojik veriler, belirli bir yerel ayar için sinyal çıktısı alınması. Bu teknik, termal kirlilik tahmini için geliştirilmiştir .
  • Etken tabanlı simülasyon , genellikle "bireysel tabanlı modelleme" olarak adlandırılan ekolojide etkin bir şekilde kullanılmıştır ve somon ve alabalık popülasyon dinamikleri gibi ajanlardaki bireysel değişkenliğin ihmal edilemediği durumlarda kullanılır (çoğu tamamen matematiksel model varsayılır). tüm alabalıklar aynı şekilde davranır).
  • zaman adımlı dinamik model. Hidrolojide , nehir suyu kalitesi tahmini için ABD Çevre Koruma Ajansı tarafından geliştirilen SWMM ve DSSAM Modelleri gibi bu tür birkaç hidroloji taşıma modeli vardır .
  • bilgisayar simülasyonları da insan bilişi ve performansı teorilerini resmi olarak modellemek için kullanılmıştır, örneğin, ACT-R .
  • ilaç keşfi için moleküler modelleme kullanan bilgisayar simülasyonu .
  • memeli hücrelerinde viral enfeksiyonu modellemek için bilgisayar simülasyonu.
  • Organik moleküllerin öğütülmesi sırasında mekanokimya ile bağların seçici duyarlılığını incelemek için bilgisayar simülasyonu.
  • Hesaplamalı akışkanlar dinamiği simülasyonları, akan hava, su ve diğer akışkanların davranışını simüle etmek için kullanılır. Bir, iki ve üç boyutlu modeller kullanılır. Tek boyutlu bir model , bir borudaki su darbesinin etkilerini simüle edebilir . Bir uçak kanadının kesiti üzerindeki sürükleme kuvvetlerini simüle etmek için iki boyutlu bir model kullanılabilir. Üç boyutlu bir simülasyon, büyük bir binanın ısıtma ve soğutma gereksinimlerini tahmin edebilir.
  • İstatistiksel termodinamik moleküler teorinin anlaşılması, moleküler çözümlerin takdir edilmesi için esastır. Geliştirilmesi Potansiyel Dağılımı Teoremi (PDT) bu karmaşık konu moleküler teori aşağı-toprak sunumlara basitleştirilmiş izin verir.

Önemli ve bazen tartışmalı, bilimde kullanılan bilgisayar simülasyonları şunlardır: Donella Meadows'un ' World3 kullanılan Büyümenin Limitleri , James Lovelock en Daisyworld ve Thomas Ray'in Tierra .

Sosyal bilimlerde bilgisayar simülasyonu, nitel ve nicel yöntemleri, literatür incelemelerini (bilimsel olanlar dahil) ve uzmanlarla yapılan görüşmeleri de içeren ve bir uzantı oluşturan veri süzme metodolojisi tarafından desteklenen beş analiz açısının ayrılmaz bir bileşenidir. veri üçgenleme. Elbette, diğer herhangi bir bilimsel yönteme benzer şekilde, çoğaltma , hesaplamalı modellemenin önemli bir parçasıdır.

Pratik bağlamlarda bilgisayar simülasyonu

Bilgisayar simülasyonları, aşağıdakiler gibi çok çeşitli pratik bağlamlarda kullanılır:

İnsanların bilgisayar simülasyonlarına duydukları güven ve güven , simülasyon modelinin geçerliliğine bağlıdır , bu nedenle bilgisayar simülasyonlarının geliştirilmesinde doğrulama ve doğrulama çok önemlidir. Bilgisayar simülasyonlarının bir diğer önemli yönü, sonuçların tekrarlanabilirliğidir, yani bir simülasyon modeli her uygulama için farklı bir cevap vermemelidir. Bu açık görünse de, rastgele sayıların aslında yarı rastgele sayılar olması gerektiği stokastik simülasyonlarda bu özel bir dikkat noktasıdır . Tekrarlanabilirliğin bir istisnası, uçuş simülasyonları ve bilgisayar oyunları gibi döngü içinde insan simülasyonlarıdır . Burada insan simülasyonun bir parçasıdır ve bu nedenle sonucu tam olarak yeniden üretilmesi imkansız olmasa da zor bir şekilde etkiler.

Araç üreticileri, yeni tasarımlarda güvenlik özelliklerini test etmek için bilgisayar simülasyonunu kullanır. Bir fizik simülasyon ortamında arabanın bir kopyasını oluşturarak, benzersiz bir prototip inşa etmek ve test etmek için aksi takdirde gerekli olacak yüz binlerce dolardan tasarruf edebilirler. Mühendisler, prototipin her bir bölümüne uygulanan tam gerilimleri belirlemek için simülasyon milisaniyeleri boyunca adım adım ilerleyebilirler.

Bilgisayar grafikleri , bir bilgisayar simülasyonunun sonuçlarını görüntülemek için kullanılabilir. Animasyonlar , bir simülasyonu gerçek zamanlı olarak deneyimlemek için kullanılabilir, örneğin eğitim simülasyonlarında . Bazı durumlarda animasyonlar, gerçek zamandan daha hızlı, hatta gerçek zamanlı modlardan daha yavaş modlarda da faydalı olabilir. Örneğin, gerçek zamanlı animasyonlardan daha hızlı olan animasyonlar, bir binayı tahliye eden insanların simülasyonunda kuyruk oluşumunun görselleştirilmesinde faydalı olabilir. Ayrıca, simülasyon sonuçları genellikle çeşitli bilimsel görselleştirme yöntemleri kullanılarak statik görüntülerde toplanır .

Hata ayıklamada, test edilen bir programın yürütülmesini simüle etmek (yerel olarak yürütmek yerine), donanımın kendisinin algılayabileceğinden çok daha fazla hatayı algılayabilir ve aynı zamanda talimat izleme, bellek değişiklikleri ve talimat sayıları gibi faydalı hata ayıklama bilgilerini günlüğe kaydedebilir. Bu teknik aynı zamanda arabellek taşmasını ve benzeri "tespit edilmesi zor" hataları da algılayabilir ve performans bilgisi ve ayar verileri üretebilir .

tuzaklar

Bilgisayar simülasyonlarında bazen göz ardı edilse de , sonuçların doğruluğunun doğru bir şekilde anlaşılmasını sağlamak için bir duyarlılık analizi yapmak çok önemlidir . Örneğin, bir petrol sahası arama programının başarısını belirleyen faktörlerin olasılıksal risk analizi, Monte Carlo yöntemi kullanılarak çeşitli istatistiksel dağılımlardan alınan örneklerin birleştirilmesini içerir . Örneğin, anahtar parametrelerden biri (örneğin, petrol içeren tabakaların net oranı) yalnızca bir anlamlı rakam olarak biliniyorsa, simülasyonun sonucu bir anlamlı rakamdan daha kesin olmayabilir, ancak ( yanıltıcı bir şekilde) dört anlamlı rakama sahip olarak sunulabilir.

Model kalibrasyon teknikleri

Doğru simülasyon modelleri üretmek için aşağıdaki üç adım kullanılmalıdır: kalibrasyon, doğrulama ve doğrulama. Bilgisayar simülasyonları, teorik senaryoları tasvir etme ve karşılaştırma konusunda iyidir, ancak gerçek vaka çalışmalarını doğru bir şekilde modellemek için bugün gerçekte olanlarla eşleşmeleri gerekir. Bir temel model oluşturulmalı ve incelenen alanla eşleşmesi için kalibre edilmelidir. Kalibre edilen model daha sonra, modelin girdilere dayalı olarak beklendiği gibi çalıştığından emin olmak için doğrulanmalıdır. Model doğrulandıktan sonra, son adım, çıktıları çalışma alanındaki geçmiş verilerle karşılaştırarak modeli doğrulamaktır. Bu, istatistiksel teknikler kullanılarak ve yeterli bir R-kare değeri sağlanarak yapılabilir. Bu teknikler kullanılmadığı takdirde oluşturulan simülasyon modeli hatalı sonuçlar üretecek ve kullanışlı bir tahmin aracı olmayacaktır.

Model kalibrasyonu, modelin nasıl çalıştığını ve süreci simüle ettiğini ayarlamak için mevcut herhangi bir parametre ayarlanarak elde edilir. Örneğin, trafik simülasyonunda tipik parametreler, ileriye bakma mesafesi, araba takip hassasiyeti, boşaltma mesafesi ve kalkışta kayıp zamanı içerir. Bu parametreler, sürücünün şerit değiştirmesinin ne zaman ve ne kadar sürdüğü, sürücünün arabası ile önündeki araç arasında ne kadar mesafe bıraktığı ve bir sürücünün bir kavşakta ne kadar hızlı hızlanmaya başladığı gibi sürücü davranışlarını etkiler. Bu parametrelerin ayarlanması, sürücüleri az ya da çok agresif hale getirerek, modellenen karayolu ağından geçebilecek trafik hacmi miktarı üzerinde doğrudan bir etkiye sahiptir. Bunlar, çalışma yerindeki alanda gözlemlenen özellikleri eşleştirmek için ince ayarlanabilen kalibrasyon parametrelerinin örnekleridir. Çoğu trafik modeli tipik varsayılan değerlere sahiptir, ancak incelenmekte olan belirli konumdaki sürücü davranışına daha iyi uyacak şekilde ayarlanması gerekebilir.

Model doğrulama, modelden çıktı verilerinin elde edilmesi ve bunları girdi verilerinden beklenenlerle karşılaştırarak elde edilir. Örneğin, trafik simülasyonunda, modeldeki gerçek hacim çıktısının modele girilen trafik hacimlerine makul ölçüde yakın olduğundan emin olmak için trafik hacmi doğrulanabilir. Yüzde on, çıktı hacimlerinin giriş hacimlerine makul ölçüde yakın olup olmadığını belirlemek için trafik simülasyonunda kullanılan tipik bir eşik değeridir. Simülasyon modelleri, model girdilerini farklı şekillerde ele alır, böylece örneğin ağa giren trafik istenen hedefe ulaşabilir veya ulaşmayabilir. Ek olarak, eğer tıkanıklık varsa, ağa girmek isteyen trafik giremeyebilir. Bu nedenle model doğrulama, modelleme sürecinin çok önemli bir parçasıdır.

Son adım, sonuçları çalışma alanındaki geçmiş verilere dayanarak beklenenlerle karşılaştırarak modeli doğrulamaktır. İdeal olarak, model tarihsel olarak olanlara benzer sonuçlar üretmelidir. Bu, tipik olarak, uygunluktan R-kare istatistiğini alıntılamaktan başka bir şeyle doğrulanmaz. Bu istatistik, model tarafından açıklanan değişkenlik oranını ölçer. Yüksek bir R-kare değeri, modelin verilere iyi uyduğu anlamına gelmez. Modelleri doğrulamak için kullanılan diğer bir araç da grafiksel kalıntı analizidir. Model çıktı değerleri geçmiş değerlerden büyük ölçüde farklıysa, bu muhtemelen modelde bir hata olduğu anlamına gelir. Modeli ek modeller üretmek için bir temel olarak kullanmadan önce, her birinin doğru olduğundan emin olmak için farklı senaryolar için doğrulamak önemlidir. Doğrulama süreci sırasında çıktılar tarihi değerlerle makul bir şekilde eşleşmezse, beklentilerle daha uyumlu sonuçlar üretmek için model gözden geçirilmeli ve güncellenmelidir. Daha gerçekçi modeller üretmeye yardımcı olan yinelemeli bir süreçtir.

Trafik simülasyon modellerinin doğrulanması, model tarafından tahmin edilen trafiğin karayolu ve toplu taşıma sistemlerinde gözlemlenen trafikle karşılaştırmasını gerektirir. İlk karşılaştırmalar kadranlar, sektörler veya diğer geniş ilgi alanları arasındaki yolculuk değişimleri içindir. Bir sonraki adım, modeller tarafından tahmin edilen trafiği, toplu taşıma, çalışma alanındaki yapay engelleri aşma dahil olmak üzere trafik sayılarıyla karşılaştırmaktır. Bunlar tipik olarak ekran çizgileri, kesme çizgileri ve kordon çizgileri olarak adlandırılır ve hayali veya gerçek fiziksel engeller olabilir. Kordon hatları, bir şehrin merkezi iş bölgesi veya diğer büyük aktivite merkezleri gibi belirli alanları çevreler. Transit yolcu tahminleri, genel olarak, merkezi iş bölgesi etrafındaki gerçek himaye geçiş kordon hatlarıyla karşılaştırılarak doğrulanır.

Kalibrasyon sırasında üç hata kaynağı zayıf korelasyona neden olabilir: giriş hatası, model hatası ve parametre hatası. Genel olarak giriş hatası ve parametre hatası kullanıcı tarafından kolaylıkla ayarlanabilir. Ancak model hatası, modelde kullanılan metodolojiden kaynaklanır ve düzeltilmesi o kadar kolay olmayabilir. Simülasyon modelleri, tipik olarak, çelişkili sonuçlar üretebilen birkaç farklı modelleme teorisi kullanılarak oluşturulur. Bazı modeller daha genelleştirilmişken bazıları daha ayrıntılıdır. Sonuç olarak model hatası meydana gelirse, sonuçları daha tutarlı hale getirmek için model metodolojisini ayarlamak gerekebilir.

Gerçekçi sonuçlar üretmek için kullanılabilecek iyi modeller üretebilmek için simülasyon modellerinin düzgün çalışmasını sağlamak için atılması gereken adımlar bunlardır. Simülasyon modelleri, mühendislik teorilerini doğrulamak için bir araç olarak kullanılabilir, ancak bunlar yalnızca uygun şekilde kalibre edildiklerinde geçerlidir. Tüm modeller için parametrelerin tatmin edici tahminleri elde edildikten sonra, modellerin amaçlanan işlevleri yeterince yerine getirdiğinden emin olmak için kontrol edilmelidir. Doğrulama süreci, gerçekliği taklit etme yeteneğini göstererek modelin güvenilirliğini belirler. Model doğrulamanın önemi, bu amaca sahip girdi veri toplama programının dikkatli bir şekilde planlanması, eksiksizliği ve doğruluğunun altını çizmektedir. Toplanan verilerin beklenen değerlerle tutarlı olmasını sağlamak için çaba gösterilmelidir. Örneğin, trafik analizinde, bir trafik mühendisinin trafik sayımlarını doğrulamak ve bölgedeki trafik kalıplarına aşina olmak için bir saha ziyareti gerçekleştirmesi tipiktir. Ortaya çıkan modeller ve tahminler, model tahmini ve doğrulama için kullanılan verilerden daha iyi olmayacaktır.

Ayrıca bakınız

Referanslar

daha fazla okuma

Dış bağlantılar