Оценка точности результатов имитационного моделирования

Оценка точности результатов имитационного моделирования

Важное значение для эффективного использования модели имеет оценка ее пригодности. На этом этапе решаются две задачи. Одна из них — проверка адекватности машинной программы структуре реального процесса, решаемая, например, таким образом: случайные величины в программе заменяются детерминированными и результаты сопоставляются с результатами, полученными немашинным путем.

Другая задача более сложная - проверка адекватности модели реальной системе. Для этого, как правило, используются два критерия: степень совпадения величин эндогенных переменных (модели) с известными за прошлые периоды данными и точность предсказания поведения реальной системы.

Основные методы точности отладки имитационных моделей: дисперсионный анализ, факторный анализ, критерий Колмогорова-Смирнова, непараметрические критерии, регрессионный анализ и т. д. Для обработки результатов эксперимента в основном используются регрессионный анализ (анализ результатов при количественном характере переменных модели) или спектральный анализ (анализ результатов при качественной оценке изучаемых переменных модели). Расхождение откликов модели и реальной системы свидетельствует об ошибках на стадии системного анализа и приводит к пересмотру результатов анализа реальной системы или процесса, а затем к новой верификации модели перед повторной оценкой ее пригодности. Такой циклический процесс смены стадий следует принимать как вполне допустимый для процесса моделирования, хотя он и должен быть сведен к минимуму.

Источник: Логистика: Учеб. пособие / Под ред. проф. Б. А. Аникина. М.: ИНФРА-М, 2002. – С. 141-142 (220 с.) - (Серия «Вопрос - ответ»).