컴퓨터 시뮬레이션

Computer simulation
기상조사예보 모델을 이용한 태풍 마와르의 48시간 컴퓨터 시뮬레이션
컴퓨터 모델을 만드는 과정과 실험, 시뮬레이션, 이론 사이의 상호작용.

컴퓨터 시뮬레이션은 실제 또는 물리적 시스템의 동작 또는 결과를 예측하도록 설계된 수학적 모델링 과정입니다.일부 수학 모델의 신뢰성은 그 결과를 예측하고자 하는 실제 결과와 비교함으로써 결정될 수 있다.컴퓨터 시뮬레이션은 경제학, 심리학, 사회과학, 의료엔지니어링인간 시스템뿐만 아니라 물리(컴퓨터 물리학), 천체 물리학, 기후학, 화학, 생물학제조 분야의 많은 자연 시스템의 수학적 모델링에 유용한 도구가 되었습니다.시스템 시뮬레이션은 시스템 모델의 실행으로 나타납니다.새로운 기술에 대한 새로운 통찰력을 얻고 분석 솔루션에 비해 [1]너무 복잡한 시스템의 성능을 추정하는 데 사용할 수 있습니다.

컴퓨터 시뮬레이션은 소규모의 컴퓨터 프로그램이나 네트워크 기반 컴퓨터 그룹에서 몇 시간 또는 며칠 동안 실행되는 대규모 프로그램을 실행함으로써 실현됩니다.컴퓨터 시뮬레이션을 통해 시뮬레이션되는 이벤트의 규모는 기존의 종이와 연필로 만든 수학적 모델링을 사용하여 가능한 모든 것(또는 상상할 수 있는 것)을 훨씬 능가하고 있습니다.1997년 한 세력이 다른 부대를 침공하는 사막 전투 시뮬레이션에서는 DoD 고성능 컴퓨터 현대화 [2]프로그램에서 여러 대의 슈퍼컴퓨터를 사용하여 쿠웨이트 주변의 시뮬레이션된 지형에서 66,239대의 탱크, 트럭 및 기타 차량을 모델링했습니다.다른 예로는;2012년에 마이코 플라즈마 제니탈 리움균의 수명 주기의 완전한 시뮬레이션[4], 그리고 EPFL(스위스)에서 블루 브레인 프로젝트, 2005년 5월 을 만들기 시작한 모든 살아 있는 유기체의 복잡한 protein-producing 세포, 2005년 리보솜의2.64-million-atom 모델[3]재료 변형의1-billion-atom 모델을 포함한다. 첫번째분자 [5]수준까지 전체 인간의 뇌를 컴퓨터로 시뮬레이션하는 거죠

시뮬레이션의 계산 비용 때문에 컴퓨터 실험은 불확실성 [6]정량화와 같은 추론을 수행하기 위해 사용된다.

시뮬레이션 대 모델

컴퓨터 모델은 모델링되는 시스템의 동작을 캡처하는 데 사용되는 알고리즘과 방정식입니다.반면 컴퓨터 시뮬레이션은 이러한 방정식 또는 알고리즘을 포함하는 프로그램을 실제로 실행하는 것입니다.따라서 시뮬레이션은 모델을 실행하는 과정입니다.따라서 "시뮬레이션을 구축"하지 않고 "모델(또는 시뮬레이터)"을 구축한 다음 "모델을 실행"하거나 이에 상응하는 "시뮬레이션을 실행"할 수 있습니다.

역사

컴퓨터 시뮬레이션은 핵폭발 과정을 모델링하기 위해 제2차 세계 대전 맨해튼 프로젝트 중에 최초로 대규모로 배치된 이후 컴퓨터의 급속한 성장과 함께 발전했다.몬테카를로 알고리즘을 사용하여 12개의 단단한 구를 시뮬레이션한 것입니다.컴퓨터 시뮬레이션은 종종 단순한 폐쇄형 분석 솔루션이 불가능한 모델링 시스템의 보조물로서 또는 그 대체물로 사용됩니다.컴퓨터 시뮬레이션에는 여러 종류가 있습니다.그들의 공통적인 특징은 모델의 가능한 모든 상태의 완전한 열거가 금지되거나 [7]불가능한 모델의 대표적인 시나리오 샘플을 생성하려는 시도입니다.

data 준비

시뮬레이션 및 모델의 외부 데이터 요구사항은 매우 다양합니다.일부의 경우 입력이 몇 개의 숫자(예를 들어, 와이어상의 AC 전기의 파형 시뮬레이션)에 불과한 반면, 다른 일부에서는 테라바이트 단위의 정보(예: 날씨 및 기후 모델)가 필요할 수 있습니다.

입력 소스도 매우 다양합니다.

  • 모델에 연결된 센서 및 기타 물리적 장치
  • 어떤 방식으로든 시뮬레이션의 진행을 지시하는 데 사용되는 제어 표면
  • 수작업으로 입력된 현재 또는 과거 데이터
  • 다른 프로세스에서 부산물로 추출된 값
  • 다른 시뮬레이션, 모델 또는 프로세스의 목적에 맞는 출력 값을 지정합니다.

마지막으로 데이터를 사용할 수 있는 시간은 다음과 같습니다.

  • "중요한" 데이터는 종종 모델 코드에 내장된다. 그 이유는 값이 진정으로 불변(예를 들어, θ의 값)이거나 설계자가 값이 모든 관심 사례에 불변하다고 생각하기 때문이다.
  • 예를 들어, 1개 이상의 파일을 읽거나 프리프로세서에서 데이터를 읽음으로써 데이터를 시뮬레이션에 입력할 수 있습니다.
  • 시뮬레이션 실행 중에 예를 들어 센서 네트워크를 통해 데이터를 제공할 수 있습니다.

이러한 다양성 때문에, 그리고 다양한 시뮬레이션 시스템은 많은 공통 요소를 가지고 있기 때문에, 많은 수의 전문 시뮬레이션 언어가 있습니다.가장 잘 알려진 것은 Simula일 것이다.이제 다른 많은 것들이 있다.

외부 소스로부터 데이터를 수신하는 시스템은 수신되는 데이터를 파악하는 데 매우 주의해야 합니다.컴퓨터가 텍스트 또는 바이너리 파일에서 값을 읽는 것은 쉽지만, 더 어려운 것은 값의 정확도(측정 해상도 및 정밀도와 비교)를 아는 것입니다.종종 "오류 막대"로 표현되는데, 이는 실제 값이 있을 것으로 예상되는 값 범위에서의 최소 및 최대 편차입니다.디지털 컴퓨터 수학은 완벽하지 않기 때문에 반올림 오류와 잘라내기 오류가 이 오류를 곱하기 때문에 시뮬레이션에 의해 출력되는 값이 여전히 유용하게 정확한지 확인하기 위해 "오류 분석"[8]을 수행하는 것이 유용합니다.

종류들

컴퓨터 모델은 다음과 같은 몇 가지 독립적인 속성 쌍에 따라 분류할 수 있습니다.

  • 확률론적 또는 결정론적(및 결정론적, 혼돈의 특별한 경우) – 확률론적 시뮬레이션과 결정론적 시뮬레이션의 예는 아래의 외부 링크를 참조한다.
  • 정상 상태 또는 동적
  • 연속적 또는 이산적(및 이산적, 이산적 이벤트 또는 DE 모델의 중요한 특수한 경우)
  • 동적 시스템 시뮬레이션(예: 전기 시스템, 유압 시스템 또는 다중 차체 기계 시스템) 또는 필드 문제의 동적 시뮬레이션(예: FEM 시뮬레이션의 CFD)
  • 로컬 또는 분산.

모형을 분류하는 또 다른 방법은 기본 데이터 구조를 살펴보는 것입니다.타임스텝 시뮬레이션의 경우 두 가지 주요 클래스가 있습니다.

  • 데이터를 일반 그리드에 저장하고 인접 네트워크 액세스만 필요로 하는 시뮬레이션을 스텐실 코드라고 합니다.많은 CFD 어플리케이션이 이 카테고리에 속합니다.
  • 기본 그래프가 정규 그리드가 아닌 경우 모형이 메쉬프리 메서드 클래스에 속할 수 있습니다.

방정식은 모델링된 시스템의 요소 간의 관계를 정의하고 시스템이 평형 상태에 있는 상태를 찾으려고 시도합니다.이러한 모델은 동적 시뮬레이션을 시도하기 전에 간단한 모델링 사례로서 물리적 시스템을 시뮬레이션하는 데 종종 사용됩니다.

  • 동적 시뮬레이션 모델은 입력 신호(일반적으로 변화하는)에 대한 시스템 변경 사항입니다.
  • 확률적 모델은 확률 또는 무작위 사건을 모델링하기 위해 난수 생성기사용한다.
  • 이산 이벤트 시뮬레이션(DES)은 이벤트를 제때 관리합니다.대부분의 컴퓨터, 로직 테스트 및 폴트트리 시뮬레이션은 이 유형입니다.이러한 유형의 시뮬레이션에서 시뮬레이터는 발생해야 하는 시뮬레이션 시간별로 정렬된 이벤트 대기열을 유지합니다.시뮬레이터는 큐를 읽고 각 이벤트가 처리될 때 새로운 이벤트를 트리거합니다.시뮬레이션을 실시간으로 실행하는 것은 중요하지 않습니다.시뮬레이션에 의해 생성된 데이터에 액세스할 수 있고 설계 또는 일련의 사건에서 논리 결함을 발견하는 것이 종종 더 중요합니다.
  • 연속 동적 시뮬레이션은 미분 대수 방정식 또는 미분 방정식(부분 또는 통상)의 수치 해법을 수행합니다.주기적으로 시뮬레이션 프로그램은 모든 방정식을 풀고 숫자를 사용하여 시뮬레이션의 상태와 출력을 변경합니다.애플리케이션에는 비행 시뮬레이터, 건설관리 시뮬레이션 게임, 화학 프로세스 모델링 및 전기 회로 시뮬레이션이 포함됩니다.원래 이러한 종류의 시뮬레이션은 아날로그 컴퓨터에서 실제로 구현되었으며, 여기서 미분 방정식은 op-amp와 같은 다양한 전기 구성요소로 직접 표현될 수 있습니다.그러나 1980년대 후반까지 대부분의 "아날로그" 시뮬레이션은 아날로그 컴퓨터의 동작을 에뮬레이트하는 기존디지털 컴퓨터에서 실행되었다.
  • 기본 방정식을 가진 모델에 의존하지 않지만 그럼에도 불구하고 공식적으로 표현될 수 있는 특수한 이산 시뮬레이션 유형은 에이전트 기반 시뮬레이션입니다.에이전트 기반 시뮬레이션에서 모델 내의 개별 실체(분자, 세포, 나무 또는 소비자 등)는 (그 밀도나 농도가 아닌) 직접 표현되며, 에이전트의 상태가 어떻게 한 시간 단계에서 다음 단계로 갱신되는지를 결정하는 일련의 행동이나 규칙을 가지고 있다.
  • 분산 모델은 인터넷을 통해 상호 연결된 시스템의 네트워크에서 실행됩니다.이와 같이 여러 호스트 컴퓨터에 분산된 시뮬레이션을 흔히 "분산 시뮬레이션"이라고 합니다.분산 시뮬레이션에는 Aggregate Level Simulation Protocol(ALSP), Distributed Interactive Simulation(DIS), HLA(High Level Architecture) Test and Training Enableing Architecture(TENA)를 포함여러 표준이 있습니다.

시각화

이전에는 컴퓨터 시뮬레이션의 출력 데이터가 시뮬레이션 매개변수의 수많은 변경에 의해 데이터가 어떻게 영향을 받았는지를 보여주는 표나 매트릭스로 제시되기도 했습니다.매트릭스 형식의 사용은 수학 모델에서 매트릭스 개념의 전통적인 사용과 관련이 있었다.그러나 심리학자들과 다른 사람들은 인간이 컴퓨터 생성 이미지(CGI) 애니메이션에 의해 표시되는 그래프나 심지어 데이터에서 생성된 동영상이나 동영상 등을 보고 트렌드를 빠르게 인지할 수 있다고 언급했다.관측자는 숫자를 읽거나 수학 공식을 인용할 필요는 없지만 움직이는 기상도를 관찰함으로써 비구름 좌표표를 스캔하는 것보다 훨씬 더 빨리 사건을 예측할 수 있을 것이다.숫자와 공식의 세계를 초월한 이러한 강렬한 그래픽 디스플레이는 때때로 숫자 데이터 디스플레이에서 너무 멀리 벗어난 것처럼 좌표 그리드가 없거나 타임스탬프가 생략된 출력으로 이어졌다.오늘날 일기예보 모델은 움직이는 비/눈구름과 숫자 좌표와 사건의 시간 스탬프를 사용하는 지도의 균형을 맞추는 경향이 있습니다.

마찬가지로 CAT 스캔의 CGI 컴퓨터 시뮬레이션은 장기 치료 중 종양이 어떻게 축소되거나 변화하는지 시뮬레이션할 수 있으며 종양이 변화함에 따라 시간의 경과가 눈에 보이는 인간의 머리로 나타납니다.

CGI 컴퓨터 시뮬레이션의 다른 응용 프로그램은 시뮬레이션 실행 중에 변경 사항이 발생할 때 많은 양의 데이터를 그래픽으로 표시하기 위해 개발되고 있습니다.

과학에서의 컴퓨터 시뮬레이션

삼투과정의 컴퓨터 시뮬레이션

기초적인 수학적 설명에서 파생된 과학에서의 컴퓨터 시뮬레이션 유형의 일반적인 예:

컴퓨터 시뮬레이션의 구체적인 예는 다음과 같습니다.

  • 수신 수역의 평형 온도 예측과 같은 다수의 입력 프로파일의 집적에 기초한 통계 시뮬레이션으로 특정 장소에 대한 기상 데이터의 전역을 입력할 수 있다.이 기술은 열오염 예측을 위해 개발되었습니다.
  • 에이전트 기반 시뮬레이션은 종종 "개별 기반 모델링"이라고 불리는 생태학에서 효과적으로 사용되어 연어와 송어개체 역학 등 에이전트의 개별적 변동을 무시할 수 없는 상황에서 사용된다(대부분 순수 수학 모델은 모든 송어가 동일하게 행동한다고 가정함).
  • 시간 단계 동적 모델.수문학에는 미국 환경보호청이 하천 수질 예측을 위해 개발한 SWMMDSSAM 모델과 같은 수문학 운송 모델이 있습니다.
  • 컴퓨터 시뮬레이션은 ACT-R과 같은 인간 인지 및 성능의 이론을 공식적으로 모델링하기 위해 사용되었다.
  • 약물 [10]발견을 위한 분자 모델링을 이용한 컴퓨터 시뮬레이션.
  • 포유류 [9]세포의 바이러스 감염을 모델링하기 위한 컴퓨터 시뮬레이션
  • 유기 [11]분자를 분쇄하는 동안 기계 화학에 의한 결합의 선택적 감도를 연구하기 위한 컴퓨터 시뮬레이션.
  • 컴퓨터 유체 역학 시뮬레이션은 흐르는 공기, 물 및 기타 유체의 동작을 시뮬레이션하는 데 사용됩니다.1차원, 2차원, 3차원 모델이 사용됩니다.1차원 모형은 파이프에서 물망치의 효과를 시뮬레이션할 수 있습니다.2차원 모델은 항공기 날개 단면의 항력 시뮬레이션에 사용될 수 있다.3차원 시뮬레이션을 통해 대형 건물의 난방 및 냉방 요건을 추정할 수 있다.
  • 통계적 열역학 분자이론에 대한 이해는 분자해법의 이해에 필수적이다.PDT(Potential Distribution Orgemy)의 개발로 이 복잡한 주제를 분자 이론의 실제적인 표현으로 단순화할 수 있습니다.

과학에서 사용되는 주목할 만한 컴퓨터 시뮬레이션은 다음과 같습니다.도넬라 메도우스의 월드3, 제임스 러브록의 데이지월드, 토마스 레이의 티어라에 사용되었습니다.

사회과학에서 컴퓨터 시뮬레이션은 데이터 침투 방법론에 [12]의해 육성된 분석의 5가지 각도에 필수적인 구성요소이며, 여기에는 질적 및 정량적 방법, 문헌 리뷰(학술자 포함) 및 전문가 인터뷰가 포함되며 데이터 삼각측정의 확장을 형성한다.물론, 다른 과학적 방법과 마찬가지로, 복제는 컴퓨터 모델링의 중요한 부분입니다.

실제 상황에서 컴퓨터 시뮬레이션

컴퓨터 시뮬레이션은 다음과 같은 다양한 실제 컨텍스트에서 사용됩니다.

컴퓨터 시뮬레이션의 신뢰성과 신뢰성은 시뮬레이션 모델의 유효성에 따라 달라지기 때문에 검증과 검증은 컴퓨터 시뮬레이션 개발에 매우 중요합니다.컴퓨터 시뮬레이션의 또 다른 중요한 측면은 결과의 재현성입니다.즉, 시뮬레이션 모델은 각 실행에 대해 다른 답을 제공하지 않아야 합니다.이것이 명백해 보일 수 있지만, 이것은 난수가 실제로 반랜덤 숫자여야 하는 확률적 시뮬레이션에서 특별한 관심 지점이다.재현성의 예외는 비행 시뮬레이션과 컴퓨터 게임과 같은 인간-인-더-루프 시뮬레이션이다.여기서 인간은 시뮬레이션의 일부이며, 따라서 정확하게 재현하는 것은 불가능하지는 않지만 어려운 방식으로 결과에 영향을 미칩니다.

차량 제조업체는 컴퓨터 시뮬레이션을 사용하여 안전 기능을 새로운 디자인으로 테스트합니다.물리 시뮬레이션 환경에서 자동차 복사본을 제작함으로써 고유한 프로토타입을 제작하고 테스트하는 데 필요한 수십만 달러를 절약할 수 있습니다.엔지니어는 한 번에 몇 밀리초씩 시뮬레이션을 통해 프로토타입의 [15]각 섹션에 가해지는 정확한 스트레스를 확인할 수 있습니다.

컴퓨터 그래픽스를 사용하여 컴퓨터 시뮬레이션 결과를 표시할 수 있습니다.애니메이션을 사용하여 훈련 시뮬레이션과 같은 실시간 시뮬레이션을 경험할 수 있습니다.경우에 따라 애니메이션은 실시간 모드보다 빠르거나 실시간 모드보다 느릴 수도 있습니다.예를 들어 실시간보다 빠른 애니메이션은 건물에서 대피하는 인간의 시뮬레이션에서 큐의 축적을 시각화하는 데 유용합니다.또한 시뮬레이션 결과는 과학적 시각화의 다양한 방법을 사용하여 정적 이미지로 집계되는 경우가 많습니다.

디버깅 시 테스트 대상 프로그램 실행을 시뮬레이트하면 하드웨어 자체에서 검출할 수 있는 것보다 훨씬 많은 오류를 검출할 수 있으며, 동시에 명령 트레이스, 메모리 변경 및 명령 수 등의 유용한 디버깅 정보를 기록할 수 있습니다.이 기술은 버퍼 오버플로 및 이와 유사한 "검출하기 어려운" 오류를 탐지할 수 있을 뿐만 아니라 성능 정보 및 튜닝 데이터를 생성할 수도 있습니다.

함정

컴퓨터 시뮬레이션에서는 무시되기도 하지만 결과의 정확성을 올바르게 이해하기 위해 민감도 분석을 수행하는 것이 매우 중요합니다.예를 들어 유전 탐사 프로그램의 성공을 결정하는 요인의 확률론적 위험 분석은 몬테 카를로 방법을 사용하여 다양한 통계 분포의 표본을 결합하는 것을 포함한다.예를 들어, 핵심 매개변수 중 하나(예: 기름 함유 지층의 순 비율)가 하나의 유의 수치로만 알려진 경우, 시뮬레이션 결과는 (오해의 소지가 있는) 유의 수치 4개를 갖는 것으로 표시될 수 있지만 유의 수치 1개보다 정확하지 않을 수 있다.

모델 보정 기법

정확한 시뮬레이션 모델을 작성하려면 교정, 검증 및 검증의 세 단계를 사용해야 합니다.컴퓨터 시뮬레이션은 이론적인 시나리오를 묘사하고 비교하는 데 능숙하지만 실제 사례 연구를 정확하게 모델링하려면 실제 현재 일어나고 있는 상황과 일치해야 합니다.연구 대상 영역과 일치하도록 기본 모델을 만들고 보정해야 합니다.그런 다음 보정된 모델을 검증하여 입력에 기반하여 모델이 예상대로 작동하는지 확인해야 합니다.모델이 검증되면 마지막 단계는 결과를 연구 영역의 과거 데이터와 비교하여 모델을 검증하는 것입니다.이는 통계 기법을 사용하여 적절한 R-제곱 값을 보장함으로써 수행할 수 있습니다.이러한 기법을 사용하지 않는 한, 생성된 시뮬레이션 모델은 부정확한 결과를 생성하며 유용한 예측 도구가 될 수 없다.

모델 보정은 모델이 작동하고 프로세스를 시뮬레이션하는 방법을 조정하기 위해 사용 가능한 파라미터를 조정함으로써 이루어집니다.예를 들어, 트래픽 시뮬레이션에서 일반적인 파라미터에는 예측 거리, 차량 추종 감도, 방전 진행 및 시동 손실 시간이 포함됩니다.이러한 매개변수는 운전자가 차선을 변경하는 데 언제, 얼마나 걸리는지, 운전자가 자신의 차와 앞 차 사이의 거리, 운전자가 교차로를 통해 가속하기 시작하는 속도와 같은 운전자의 행동에 영향을 미칩니다.이러한 파라미터를 조정하면 운전자의 공격성이 높아짐으로써 모델링된 도로 네트워크를 통과할 수 있는 트래픽량에 직접적인 영향을 미칩니다.다음은 스터디 위치에서 현장에서 관찰된 특성과 일치하도록 미세 조정할 수 있는 교정 파라미터의 예입니다.대부분의 트래픽모델에는 일반적인 디폴트값이 설정되어 있습니다만, 조사 대상의 특정 장소에서의 드라이버 동작에 맞추어 조정할 필요가 있는 경우가 있습니다.

모델 검증은 모델로부터 출력 데이터를 취득해, 입력 데이터로부터 예상되는 것과 비교하는 것으로 실현된다.예를 들어, 트래픽 시뮬레이션에서 트래픽량을 검증하여 모델의 실제 볼륨 스루풋이 모델에 입력되는 트래픽량에 상당히 가까운지 확인할 수 있습니다.10%는 출력 볼륨이 입력 볼륨에 상당히 가까운지 여부를 판단하기 위해 트래픽 시뮬레이션에서 사용되는 일반적인 임계값입니다.시뮬레이션 모델은 모델 입력을 다양한 방법으로 처리하므로, 예를 들어 네트워크에 들어오는 트래픽은 원하는 수신처에 도달하거나 도달하지 못할 수 있습니다.또, congestion가 존재하는 경우, 네트워크에 들어가는 트래픽은 액세스 할 수 없는 경우가 있습니다.이것이 모델 검증이 모델링 프로세스에서 매우 중요한 이유입니다.

마지막 단계는 연구 영역의 과거 데이터를 바탕으로 예상되는 결과와 비교함으로써 모델을 검증하는 것입니다.이상적으로는 모델이 과거에 발생한 것과 유사한 결과를 생성해야 합니다.이 값은 일반적으로 적합치에서 R 제곱 통계량을 인용하는 것만으로 검증됩니다.이 통계량은 모형이 설명하는 변동의 비율을 측정합니다.R 제곱 값이 높다고 해서 모형이 데이터를 잘 적합시키는 것은 아닙니다.모형을 검증하는 데 사용되는 또 다른 도구는 그래픽 잔차 분석입니다.모형 출력 값이 과거 값과 크게 다르면 모형에 오류가 있다는 의미일 수 있습니다.모델을 기반으로 추가 모델을 생성하기 전에 각 모델이 정확한지 확인하기 위해 다양한 시나리오에 대해 검증하는 것이 중요합니다.검증 과정에서 산출물이 이력 값과 합리적으로 일치하지 않는 경우, 기대치에 부합하는 결과를 도출하기 위해 모델을 검토 및 업데이트해야 한다.이것은 보다 현실적인 모델을 만드는 데 도움이 되는 반복적인 과정입니다.

트래픽 시뮬레이션 모델을 검증하려면 모델에 의해 추정된 트래픽을 도로 및 교통 시스템에서 관찰된 트래픽과 비교해야 합니다.초기 비교는 사분원, 섹터 또는 기타 관심 영역 간의 트립 교환에 대한 것입니다.다음 단계는 모델에 의해 추정된 교통량을 교통 이용객 수, 연구 구역의 의도된 장벽을 넘는 교통량을 포함한 교통량과 비교하는 것입니다.일반적으로는 스크린라인, 컷라인 및 코든라인이라고 불리며 가상 또는 실제 물리 장벽일 수 있습니다.코든 라인은 도시의 중심 업무지구나 다른 주요 활동 센터와 같은 특정 지역을 둘러싸고 있습니다.교통 이용객의 추정치는 통상, 중심 업무 지구 주변의 경계선을 넘는 실제의 고객과의 비교에 의해서 검증됩니다.

교정 중에 입력 오류, 모델 오류 및 파라미터 오류의 세 가지 오류 원인이 약한 상관 관계를 일으킬 수 있습니다.일반적으로 입력 오류 및 파라미터 오류는 사용자가 쉽게 조정할 수 있다.그러나 모델 오류는 모형에 사용된 방법론으로 인해 발생하며 수정이 쉽지 않을 수 있습니다.시뮬레이션 모델은 일반적으로 상충되는 결과를 생성할 수 있는 몇 가지 다른 모델링 이론을 사용하여 구축됩니다.보다 일반화된 모델과 보다 상세한 모델도 있습니다.결과적으로 모델 오류가 발생할 경우 결과를 보다 일관되게 만들기 위해 모델 방법론을 조정해야 할 수 있습니다.

현실적인 결과를 도출하는 데 사용할 수 있는 좋은 모델을 생산하기 위해 시뮬레이션 모델이 올바르게 기능하도록 보장하기 위해 필요한 단계입니다.시뮬레이션 모델은 공학 이론을 검증하는 도구로 사용할 수 있지만, 적절하게 보정된 경우에만 유효합니다.모든 모델에 대한 모수에 대한 만족스러운 추정치를 얻은 후에는 모형이 의도한 기능을 적절하게 수행하는지 확인해야 합니다.검증 프로세스는 실제 복제 능력을 입증함으로써 모델의 신뢰성을 확립합니다.모델 검증의 중요성은 이러한 목적을 가진 입력 데이터 수집 프로그램의 신중한 계획, 철저 및 정확성의 필요성을 강조한다.수집된 데이터가 기대치와 일치하도록 노력해야 합니다.예를 들어 트래픽 분석에서는 일반적으로 트래픽엔지니어가 사이트 방문을 실행하여 트래픽카운트를 확인하고 해당 지역의 트래픽패턴을 숙지합니다.결과 모형과 예측은 모형 추정 및 검증에 사용되는 데이터보다 나을 수 없습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Strogatz, Steven (2007). "The End of Insight". In Brockman, John (ed.). What is your dangerous idea?. HarperCollins. ISBN 9780061214950.
  2. ^ "연구원들이 사상 최대 규모의 군사 시뮬레이션펼칩니다." 캘리포니아 공대 제트 추진 연구소 웨이백 머신에서 1997년 12월에 보관된 2008-01-22
  3. ^ "Molecular Simulation of Macroscopic Phenomena". Archived from the original on 2013-05-22.
  4. ^ "가장 큰 컴퓨터 생물학 시뮬레이션은 생명의 가장 중요한 나노머신을 모방한 것입니다." (뉴스), 뉴스 릴리즈, 낸시 암브로시아노, 로스앨러모스 국립연구소, 로스앨러모스, NM, 2005년 10월, 웹 페이지: LANL-Fuse-story 7428 Wayback Machine 2007-07-04.
  5. ^ "미션 시뮬레이션 두뇌 구축시작됩니다." 스위스, 뉴사이언티스트, 2005년 6월 에콜 폴리테크니크로잔(EPFL), 연구소의 프로젝트인 웨이백 머신에 2015-02-09 아카이브.
  6. ^ Santner, Thomas J; Williams, Brian J; Notz, William I (2003). The design and analysis of computer experiments. Springer Verlag.
  7. ^ Bratley, Paul; Fox, Bennet L.; Schrage, Linus E. (2011-06-28). A Guide to Simulation. Springer Science & Business Media. ISBN 9781441987242.
  8. ^ John Robert Taylor (1999). An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements. University Science Books. pp. 128–129. ISBN 978-0-935702-75-0. Archived from the original on 2015-03-16.
  9. ^ a b Gupta, Ankur; Rawlings, James B. (April 2014). "Comparison of Parameter Estimation Methods in Stochastic Chemical Kinetic Models: Examples in Systems Biology". AIChE Journal. 60 (4): 1253–1268. doi:10.1002/aic.14409. ISSN 0001-1541. PMC 4946376. PMID 27429455.
  10. ^ Atanasov, AG; Waltenberger, B; Pferschy-Wenzig, EM; Linder, T; Wawrosch, C; Uhrin, P; Temml, V; Wang, L; Schwaiger, S; Heiss, EH; Rollinger, JM; Schuster, D; Breuss, JM; Bochkov, V; Mihovilovic, MD; Kopp, B; Bauer, R; Dirsch, VM; Stuppner, H (2015). "Discovery and resupply of pharmacologically active plant-derived natural products: A review". Biotechnol Adv. 33 (8): 1582–614. doi:10.1016/j.biotechadv.2015.08.001. PMC 4748402. PMID 26281720.
  11. ^ 미즈카미, 코이치, 사이토, 후미오, 남작, 미셸.컴퓨터 시뮬레이션이용한 의약품 분쇄에 관한 연구 2011-07-21 Wayback Machine 아카이브
  12. ^ 메시, 올리비에(2015).심리학 연구의 모델 만들기.미국: 스프링거 심리학: 126페이지.ISBN 978-3-319-15752-8
  13. ^ Wilensky, Uri; Rand, William (2007). "Making Models Match: Replicating an Agent-Based Model". Journal of Artificial Societies and Social Simulation. 10 (4): 2.
  14. ^ Wescott, Bob (2013). The Every Computer Performance Book, Chapter 7: Modeling Computer Performance. CreateSpace. ISBN 978-1482657753.
  15. ^ 바세, 새라'불의 선물: 컴퓨팅과 인터넷의 사회적, 법적, 윤리적 문제' 3.어퍼 새들리버: 프렌티스 홀, 2007.363~364페이지.ISBN 0-13-600848-8.

추가 정보

외부 링크