Пространственные и динамические модели. Статические и динамические модели. Многофакторные динамические модели
Классификация моделей
Учебные элементы параграфа:
1. Назначение моделей. Способ воплощения моделей.
2. Абстрактная модель. Вещественная модель.
3. Язык описания модели. Способ построения модели.
4. Подобие. Прямое подобие. Косвенное подобие. Условное подобие.
5. Текстовая модель. Графическая модель. Математическая модель.
6. Аналитическая модель. Экспериментальная модель. Пространственная модель.
7. Соответствие моделей оригиналу. Конечность моделей упрощенность, приближенность моделей.
Целевая предназначенность моделей позволяет всё разнообразное множество моделей разделить на три основных типа по назначению: познавательные , прагматические , чувственные ), для различных объектов (рис. 1.3).
Рис.1.3 Классификация моделей
Познавательные модели являются формой организации и представления знаний, средством соединений новых знаний с уже имеющимися. Поэтому при обнаружении расхождения между моделью и реальностью встаёт задача устранения этого расхождения с помощью изменения модели. Познавательная деятельность основана на приближении модели и реальности (рис. 1.4а).
Прагматические модели являются средством организации практических действий, средством управления, способом представления образцовых действий или их результата.
Рис. 1.4. Различия между познавательной (а) и прагматической моделью (б)
Использование прагматических моделей состоит в том, чтобы при обнаружении расхождений между моделью и реальностью направить усилия на изменения реальности так, чтобы приблизить реальность к модели
Примерами прагматических моделей могут служить планы, программы, экзаменационные требования, инструкции, руководства и т.д. (рис. 1.4б).
Чувственные модели служат для удовлетворения эстетических потребностей человека (произведение искусства).
Другим принципом классификации целей моделирования служит деление моделей на статические и динамические.
Статические модели отражают конкретное состояние объекта (моментальная фотография). Если нужно изучить различия между состояниями системы строят динамические модели.
Модели сознательно создаваемые субъектом (человеком) воплощаются из двух типов материалов годных для их построения - средства окружающего мира и средства самого сознания человека.
По этому признаку модели делятся на абстрактные (идеальные, мысленные, символические) и вещественные (материальные, реальные).
Абстрактные модели являются идеальными конструкциями, построенными средствами мышления. Их различают по языку описания и способу построения (рис.1.3).
По способу построения абстрактные модели делятся на аналитические (теоретические), формальные (экспериментальные) и комбинированные . Аналитические модели строятся по данным о внутренней структуре объекта и на основе физических законов, описывающих протекающие в нём процессы.
Формальные модели строятся по данным экспериментальных исследований, в процессе которых устанавливаются взаимосвязи между входными воздействиями и (выходными) параметрами состояния объекта.
Комбинированные модели используют принцип уточнения в эксперименте параметры структуры и закономерностей аналитической модели.
По типу языка описания символические модели разделяются на текстовые (словесные), графические (чертежи, схемы), математические и комбинированные .
Чтобы некоторая материальная конструкция могла быть отображением, т.е. замещала в каком-то отношении оригинал, между моделью и оригиналом должно быть установлено отношение подобия .
Будем различать три вида подобия: прямое, косвенное и условное (рис. 1.3).
Прямое подобие может быть пространственным (макеты судов, самолётов, манекены и т.д.) и физическим . Физическим подобием называют явления в геометрически подобных системах, у которых в процессе их функционирования отношения характеризующих их одноимённых физических величин в сходственных точках являются постоянной величиной (критерии подобия). Пример физической модели - испытание макета самолёта в аэродинамической трубе.
Второй тип подобия в отличие от прямого подобия называют косвенным . Косвенное подобие между оригиналом и моделью устанавливается не в результате их физического взаимодействия, а объективно существует в природе, обнаруживается в виде совпадения или достаточной близости их абстрактных моделей и после этого используются в практике реального моделирования. Примером косвенного подобия служит аналогии между физическими (фазовыми) переменными (табл. 1.1).
Таблица 1.1
Закономерности механических, тепловых, электрических процессов описываются одинаковыми уравнениями: различие состоит лишь в разной физической интерпретации переменных входящих в уравнения.
В результате оказывается возможным не только заменить громоздкое экспериментирование с механической или тепловой системой, на простые опыты с электрической схемой (R , L , C - цепи) или электронной моделью (АВМ).
Роль моделей обладающих косвенным подобием оригинала, очень велика. Часы - аналог времени. Аналоговые и цифровые вычислительные моменты (материальный объект) позволяет найти решение любого дифференциального уравнения.
Третий особый класс реальных моделей образуют модели, подобие которых оригиналу не является ни прямым, ни косвенным, а устанавливается в результате соглашения. Такое подобие называют условным .
Примерами условного подобия служат деньги (модель стоимости), знаки дорожного движения (модель сообщения) и т.д.
С моделями условного подобия приходится иметь дело очень часто. Они являются способом материального воплощения абстрактных моделей, вещественной формой, в которой абстрактные модели могут передаваться от одного человека к другому, хранится до момента их использования, т.е. отчуждаться от сознания и всё-таки сохранять возможность возвращения в абстрактную форму. Это достигается с помощью соглашения о том, какое состояние реального объекта ставится в соответствие данному элементу абстрактной модели. Такое соглашение принимает вид совокупности правил построения моделей условного подобия и правил пользования ими.
Модель объекта можно охарактеризовать несколькими признаками (таблицы 1.2 и 1.3).
Таблица 1.2
Таблица 1.3
Таким образом, мы рассмотрели вопросы о том, что отображает модель, из чего и как она может быть построена, каковы внешние условия осуществления функций модели. Но важен и вопрос о ценности самого моделирования, т.е. отношение моделей с отображаемой ими реальностью: чем отличаются модели и моделируемые объекты или явления, в каком смысле, и до какой степени можно отождествлять модель с оригиналом.
Различают следующие главные отличия модели от оригинала: конечность, упрощенность и приближенность (адекватность).
Модель конечна , так как она отображает оригинал лишь в конечном числе отношений при ограниченном количестве ресурсов.
Модель всегда упрощенно отображает оригинал за счет конечности модели; отображение только главных существенных свойств и отношений; ограниченностью средств оперирования с моделью. Упрощённость характеризует качественные различия модели и оригинала.
Модель отображает оригинал приближённо. Этот аспект допускает количественную оценку различия (“больше - меньше”, “лучше - хуже”). С приближенностью модели связано понятие адекватность .
Модель с помощью, которой успешно достигается поставленная цель, называют адекватной этой цели.
Адекватность модели не гарантирует требования полноты, точности и истинности модели, но означает, что они выполняются в той мере, которая достаточна для достижения цели. Упрощение и приближённость модели необходимы, неизбежны, но замечательное свойство мира и нас самих состоит в том, что этого достаточно для человеческой практики.
Между моделью и оригиналом кроме различий есть сходства .
Сходство выражается, прежде всего, в истинности модели. Степень истинности модели выясняется только в её практическом соотношении с отображенной ею натурой. При этом изменение условий, в которых ведётся сравнение, весьма существенно влияет на результат: именно из-за этого возможно существование двух противоречивых, но “одинаково” истинных моделей одного объекта. Яркий пример этого – волновая и корпускулярная модели электрона.
Сходство модели и оригинала зависит от сочетания истинного и ложного типов модели. Кроме, безусловно, истинного содержания в модели имеется: 1) условно истинное (т.е. верное лишь при определенных условиях); 2) предположительно истинное (т.е. условно – истинное при неизвестных условиях), а следовательно, логичное. При этом в каждых конкретных условиях неизвестно точно, каково же фактическое соотношение истинного и ложного в данной модели. Ответ на этот вопрос только практика.
Однако в любом случае модель принципиально беднее оригинала, это ее фундаментальное свойство.
Завершая рассмотрение понятия “моделирование” следует подчеркнуть, что, собираясь создавать модель системы нужно иметь в виду следующую схему (рис. 1.5):
Рис.1.5. Оценка ситуации моделирования
Широкое распространение при исследовании технических систем получил метод математического моделирования, который рассмотрим более подробно.
Вопросы
1. Какие признаки образуют семейство моделей по назначению?
2. Какие признаки образуют семейство моделей по способу воплощения?
3. Какие признаки образуют типы моделей по подобию?
4. Чем отличается прагматическая модель от познавательной модели?
5. На каких языках можно представлять модели?
6. Каковы виды прямого подобия материальных моделей?
7. Чем отличаются между собой вещественные модели косвенного и условного подобия?
8. Каковы признаки отличия модели и оригинала?
9. С помощью, каких вопросов можно оценить ситуацию моделирования?
§ 1.1. 4. Объекты моделирования и их классификация
Учебные элементы параграфа:
1. Признаки классификации объектов моделирования .
2. Тип, свойства и методы исследования объекта.
3. Непрерывные - дискретные объекты.
4. Стационарные - не стационарные объекты.
5. Сосредоточенные - распределённые объекты.
6. Одномерные, многомерные объекты.
7. Детерминированные - стохастические объекты.
8. Динамические - статические объекты.
9. Линейные, не линейные объекты.
10. Аналитические, идентифицируемые, комбинированные методы исследования.
11. Математическая модель .
12. Математическое моделирование .
13. Параметры и фазовые переменные модели.
14. Характеристики моделей (универсальность, точность, адекватность и экономичность).
15. Признаки классификации ММ:
16. Структурные - функциональные модели;
17. Полные - макромодели;
18. Аналитические - алгоритмические модели;
Свойства стационарности – не стационарности характеризуют степень изменчивости объекта во времени.
Свойства сосредоточенности – распределённости характеризует объектыс точки зрения роли, которую играет в их модельном описании пространственная протяжённость и конечная скорость распространения в пространстве физических процессов.
Если пространственной протяжённостью можно пренебречь и считать, что независимой переменной, характерной для объекта, является только время, то говоря
т об объекте с сосредоточенными параметрами .
В пространственно протяжённых объектах (газы, деформирующие тела) необходимо учитывать зависимость характеристик от координат.
Для всех реально существующих объектов присуще свойство стохастичности . Определение детерминированности означает лишь тот факт, что по условиям решаемой задачи и применительно к свойствам конкретного объекта случайные факторы можно не учитывать.
Понятие динамический объект отражает изменение параметров объекта во времени. Это происходит из-за конечной скорости накопления запасов вещества и энергии, аккумулируемых объектом.
В статическом объекте связь входных и выходных параметров не учитывает динамических эффектов.
Весьма существенно деление объектов на линейные и нелинейные . Различие между ними заключается в том, что для первых справедлив принцип суперпозиции (положения), когда каждый из выходов объекта характеризуется линейной зависимостью от соответствующих входных переменных.
Объекты с одним выходом называют одномерными , а с несколькими многомерными .
Деление методов исследования объектов моделирования на аналитические, которые основаны на ранее изученных и описанных в математической форме закономерностях объекта и идентифицируемые, которые строятся на основе специального экспериментального исследования, связано со степенью сложности объекта.
Вопросы для самоконтроля и подготовки к МК:
По каким признакам классифицируют объекты моделирования?
Чем отличаются детерминированные объекты от стохастических?
По каким признакам можно отличить динамический объект от статического?
Что характерно для непрерывного объекта моделирования?
Трехмерные картографические изображения являются электронными картами более высокого уровня и представляют собой визуализированные на средствах компьютерных систем моделирования пространственные образы основных элементов и объектов местности. Они предназначены для использования в системах управления и навигации (наземной и воздушной) при анализе местности, решении расчетных задач и моделировании, проектировании инженерных сооружений, мониторинге окружающей среды.
Технология моделирования местности позволяет создавать наглядные и измеримые перспективные изображения, весьма похожие на реальную местность. Их включение по определенному сценарию в компьютерный фильм позволяет при его просмотре "увидеть" местность с разных точек съемки, в различных условиях освещенности, для различных времен года и суток (статическая модель) или "пролететь" над ней по заданным или произвольным траекториям движения и скорости полета - (динамическая модель).
Использование компьютерных средств, в состав которых входят векторные или растровые дисплеи, позволяющие осуществлять в своих буферных устройствах преобразование входной цифровой информации в заданный кадр, требует предварительного создания в качестве такой информации цифровых пространственных моделей местности (ПММ).
Цифровые ПММ по своей сущности представляют собой совокупность цифровых семантических, синтаксических и структурных данных, записанных на машинный носитель, предназначенных для воспроизведения (визуализации) объемных образов местности и топографических объектов в соответствии с заданными условиями наблюдения (обзора) земной поверхности.
Исходными данными для создания цифровых ПММ могут служить фотоснимки, картографические материалы, топографические и цифровые карты, планы городов и справочная информация, обеспечивающие получение данных о положении, форме, размерах, цвете, и назначении объектов. При этом полнота ПММ будет определяться информативностью используемых фотоснимков, а точность - точностью исходных картографических материалов.
Технические средства и методы создания ПММ
Разработка технических средств и методов создания цифровых ПММ является непростой научно-технической проблемой. Решение этой проблемы предполагает:
Разработку аппаратно-программных средств получения первичной трехмерной цифровой информации об объектах местности по фотоснимкам и картматериалам;
- создание системы трехмерных картографических условных знаков;
- разработку методов формирования цифровых ПММ с использованием первичной картографической цифровой информации и фотоснимков;
- разработку экспертной системы формирования содержания ПММ;
- разработку методов организации цифровых данных в банке ПММ и принципов построения банка ПММ.
Разработка аппаратно-программных средств получения первичной трехмерной цифровой информации об объектах местности по фотоснимкам и картматериалам обусловлена следующими принципиальными особенностями:
Более высокими, по сравнению с традиционными ЦКМ, требованиями к цифровым ПММ по полноте и точности;
- использованием в качестве исходных дешифровочных фотоснимков, получаемых кадровыми, панорамными, щелевыми и ПЗС съемочными системами и не предназначенных для получения точной измерительной информации об объектах местности.
Создание системы трехмерных картографических условных знаков является принципиально новой задачей современной цифровой картографии. Ее суть заключается в создании библиотеки условных знаков, близких к реальному изображению объектов местности.
Методы формирования цифровых ПММ с использованием первичной цифровой картографической информации и фотоснимков должны обеспечить, с одной стороны, оперативность их визуализации в буферных устройствах компьютерных систем, а, с другой стороны, требуемые полноту, точность и наглядность трехмерного изображения.
Исследования, выполняемые в настоящее время, показали, что для получения цифровых ПММ, в зависимости от состава исходных данных могут быть применимы методы, использующие:
Цифровую картографическую информацию;
- цифровую картографическую информацию и фотоснимки;
- фотоснимки.
Наиболее перспективными представляются методы , использующие цифровую картографическую информацию и фотоснимки. Основными из них могут быть методы создания цифровых ПММ различной полноты и точности: по фотоснимкам и ЦМР; по фотоснимкам и ЦКМ; по фотоснимкам и ЦММ.
Разработка экспертной системы формирования содержания ПММ должна обеспечить решение задач проектирования пространственных изображений путем отбора объектового состава, его обобщения и символизации и вывода на экран отображения в требуемой картографической проекции. При этом потребуется разработать методику описания не только условных знаков, но и пространственно-логических отношений между ними.
Решение задачи разработки методов организации цифровых данных в банке ПММ и принципов построения банка ПММ определяется спецификой пространственных изображений, форматами представления данных. Вполне возможно, что потребуется создавать пространственно-временной банк с четырехмерными моделированием (Х,У,Н,t), где будут генерироваться ПММ в режиме реального времени.
Технические и программные средства отображения и анализа ПММ
Второй проблемой является разработка технических и программных средств отображения и анализа цифровых ПММ. Решение данной проблемы предполагает:
Разработку технических средств отображения и анализа ПММ;
- разработку способов решения расчетных задач.
Разработка технических и программных средств отображения и анализа цифровых ПММ потребует использования существующих графических рабочих станций, для которых должно быть создано специальное программное обеспечение (СПО).
Разработка способов решения расчетных задач является прикладной задачей, возникающей в процессе использования цифровых ПММ в практических целях. Состав и содержание данных задач будут определяться конкретными потребителями ПММ.
Определение. Под динамической системой понимается объект, находящийся в каждый момент времени tT в одном из возможных состояний Z и способный переходить во времени из одного состояния в другое под действием внешних и внутренних причин.
Динамическая система как математический объект содержит в своем описании следующие механизмы:
- - описание изменения состояний под действием внутренних причин (без вмешательства внешней среды);
- - описание приема входного сигнала и изменения состояния под действием этого сигнала (модель в виде функции перехода);
- - описание формирования выходного сигнала или реакции динамической системы на внутренние и внешние причины изменения состояний (модель в виде функции выхода).
Аргументами входных и выходных сигналов системы могут служить время, пространственные координаты, а также некоторые переменные, используемые в преобразованиях Лапласа, Фурье и других.
В простейшем случае оператор системы преобразует векторную функцию Х(t) в векторную функцию Y(t). Модели подобного типа называются динамическими (временными).
Динамические модели делятся на стационарные, когда структура и свойства оператора W(t) не изменяются со временем, и на нестационарные.
Реакция стационарной системы на любой сигнал зависит только от интервала времени между моментом начала действия входного возмущения и данным моментом времени. Процесс преобразования входных сигналов не зависит от сдвига входных сигналов во времени.
Реакция нестационарной системы зависит как от текущего времени, так и от момента приложения входного сигнала. В этом случае при сдвиге входного сигнала во времени (без изменения его формы) выходные сигналы не только сдвигаются во времени, но и изменяют форму.
Динамические модели делятся на модели безынерционных и инерционных (модели с запаздыванием) систем.
Безынерционные модели соответствуют системам, в которых оператор W определяет зависимость выходных величин от входных в один и тот же момент времени - y=W(Х,t).
В инерционных системах значения выходных параметров зависят не только от настоящих, но и предыдущих значений переменных
Y=W(Z,хt,хt-1,…,хt-k).
Инерционные модели еще называют моделями с памятью. Оператор преобразований может содержать параметры, которые обычно неизвестны - Y=W(,Z,Х), где ={1,2,…,k} - вектор параметров.
Важнейшим признаком структуры оператора является линейность или нелинейность по отношению к входным сигналам.
Для линейных систем всегда справедлив принцип суперпозиции, который состоит в том, что линейной комбинации произвольных входных сигналов ставится в соответствие та же линейная комбинация сигналов на выходе системы
Математическую модель с использованием линейного оператора можно записать в виде Y=WХ.
Если условие (2.1) не выполняется, модель называется нелинейной.
Классифицируются динамические модели в соответствии с тем, какие математические операции используются в операторе. Можно выделить: алгебраические, функциональные (типа интеграла свертки), дифференциальные, конечно-разностные модели и др.
Одномерной моделью называется такая, у которой и входной сигнал, и отклик одновременно являются величинами скалярными.
В зависимости от размерности параметра модели подразделяются на одно- и многопараметрические. Классификация моделей может быть продолжена также в зависимости от видов входных и выходных сигналов.
До последнего времени географические факторы, оказывающие существенно важное влияние на распространение заболеваний, исследовались сравнительно мало. Справедливость предположения об однородном перемешивании населения в небольшом городе или деревне уже давно ставилась под сомнение, хотя вполне допустимо в качестве первого приближения принять, что перемещения источников инфекции носят случайный характер и во многом напоминают движение частиц в коллоидном растворе. Тем не менее необходимо, конечно, иметь некоторое представление о том, к какому эффекту может привести наличие большого числа восприимчивых индивидуумов в пунктах, удаленных на довольно большие расстояния от любого данного источника инфекции.
В детерминистской модели, принадлежащей Д. Кендаллу, предполагается существование бесконечного двумерного континуума популяции, в которой на единицу площади приходится о индивидуумов. Рассмотрим область , окружающую точку Р, и допустим, что числа восприимчивых, зараженных и удаленных из коллектива индивидуумов равны соответственно . Величины х, у и z могут быть функциями времени и положения, однако их сумма должна равняться единице. Основные уравнения движения, аналогичные системе (9.18), имеют вид
где - пространственно взвешенное среднее значение
Пусть и - постоянные, - элемент площади, окружающий точку Q, и - неотрицательный весовой коэффициент.
Допустим, что начальная концентрация заболеваний равномерно распределена в некоторой небольшой области, окружающей первоначальный очаг. Заметим также, что в произведение Роху в явном виде введен множитель о, с тем чтобы скорость распространения инфекции оставалась независимой от плотности популяции. Если бы у оставалось постоянным на плоскости, то интеграл (9.53) наверняка сходился бы. В этом случае удобно было бы потребовать, чтобы
Описанная модель позволяет довольно далеко продвинуть математические исследования. Можно показать (с одной-двумя оговорками), что пандемия охватит всю плоскость в том и только в том случае, если плотность популяции превышает пороговое значение . Если пандемия возникла, то ее интенсивность определяется единственным положительным корнем уравнения
Смысл этого выражения состоит в том, что доля индивидуумов, заболевающих в конце концов в любой области, как бы далеко она ни отстояла от первоначального эпидемического очага, будет не меньше?. Очевидно, что эта теорема Кендалла о пороге пандемии аналогична пороговой теореме Кермака и Мак-Кендрика, в которой пространственный фактор не учитывался.
Можно также построить модель для следующего частного случая. Пусть х и у - пространственные плотности восприимчивых и зараженных индивидуумов соответственно. Если считать инфекцию локальной и изотропной, то нетрудно показать, что уравнения, соответствующие первым двум уравнениям системы (9.18), можно записать в виде
где не пространственные координаты] и
Для начального периода, когда можно приближенно считать постоянной величиной, второе уравнение системы (9.56) примет вид
Это стандартное уравнение диффузии, решение которого имеет вид
где постоянная С зависит от начальных условий.
Общее число зараженных индивидуумов, находящихся вне круга радиусом R, равно
Следовательно,
и если , то . Радиус соответствующий какому-либо выбранному значению растет со скоростью . Эту величину можно рассматривать как скорость распространения эпидемии, и ее предельное значение для больших t равно . В одном из случаев эпидемии кори в Глазго в течение почти полугода скорость распространения составляла около 135 м в неделю.
Уравнения (9.56) легко видоизменить так, чтобы была учтена миграция восприимчивых и зараженных индивидуумов, а также появление новых восприимчивых индивидуумов. Как и в случае повторяющихся эпидемий, рассмотренных в разд. 9.4, здесь возможно равновесное решение, однако небольшие колебания затухают столь же быстро или даже быстрее, чем в непространственной модели. Таким образом, ясно, что в данном случае детерминистский подход имеет определенные ограничения. В принципе следовало бы, конечно, предпочесть стохастические модели, но обычно анализ их сопряжен с огромными трудностями, во всяком случае если он проводится чисто математическим путем.
Было выполнено несколько работ по моделированию этих процессов. Так, Бартлетт использовал ЭВМ для изучения нескольких последовательных искусственных эпидемий. Пространственный фактор был учтен введением сетки ячеек . Внутри каждой ячейки использовались типичные непространственные модели для непрерывного или дискретного времени и допускалась случайная миграция зараженных индивидуумов между ячейками, имеющими общую границу. Была получена информация о критическом объеме популяции, ниже которого происходит затухание эпидемического процесса. Основные параметры модели были получены на основе фактических эпидемиологических и демографических данных.
Недавно автор этой книги предпринял ряд аналогичных исследований, в которых была сделана попытка построить пространственное обобщение стохастических моделей для простого и общего случаев, рассмотренных в разд. 9.2 и 9.3. Допустим, что имеется квадратная решетка, каждый узел которой занят одним восприимчивым индивидуумом. В центре квадрата помещается источник инфекции и рассматривается такой процесс цепочечно-биномиального типа для дискретного времени, в котором опасности заражения подвергаются только индивидуумы, непосредственно примыкающие к какому-либо источнику инфекции. Это могут быть либо только четыре ближайших соседа (схема 1), либо также индивидуумы, расположенные по диагонали (схема 2); во втором случае всего будет восемь индивидуумов, лежащих на сторонах квадрата, центр которого занимает источник инфекции.
Очевидно, что выбор схемы произволен, однако в нашей работе использовалось последнее расположение.
Сначала была рассмотрена простая эпидемия без случаев выздоровления. Для удобства использовалась решетка ограниченного размера, и информация о состоянии каждого индивидуума (т. е. восприимчив ли он к инфекции или является ее источником) хранилась в вычислительной машине. В процессе моделирования проводилась текущая запись изменений состояния всех индивидуумов и подсчитывалось общее число новых случаев заболевания во всех квадратах с первоначальным источником инфекции в центре. В памяти машины фиксировались также текущие значения суммы и суммы квадратов числа случаев. Это позволило довольно легко вычислить средние значения и средние квадратические ошибки. Детали этого исследования будут опубликованы в отдельной статье, а здесь мы отметим лишь одну-две частные особенности этой работы. Например, ясно, что при очень высокой вероятности достаточного контакта будет иметь место почти детерминированное распространение эпидемии, при котором на каждом новом этапе развития эпидемии будет добавляться новый квадрат с источниками инфекции.
При меньших вероятностях будет иметь место действительно стохастическое распространение эпидемии. Так как каждый источник инфекции может заразить только восемь своих ближайших соседей, а не всю популяцию, то можно ожидать, что эпидемическая кривая для всей решетки будет возрастать не столь резко, как при однородном перемешивании всей популяции. Этот прогноз действительно оправдывается, и число новых случаев увеличивается с течением времени более или менее линейно до тех пор, пока не начнут сказываться краевые эффекты (поскольку решетка имеет ограниченную протяженность).
Таблица 9. Пространственная стохастическая модель простой эпидемии, построенная на решетке 21x21
В табл. 9 приведены результаты, полученные для решетки при наличии одного исходного источника инфекции и вероятности достаточного контакта, равной 0,6. Можно видеть, что между первым и десятым этапами эпидемии среднее число новых случаев каждый раз увеличивается примерно на 7,5. После этого начинает преобладать краевой эффект, и эпидемическая кривая резко падает вниз.
Можно также определить среднее число новых случаев для любой данной точки решетки и найти таким образом эпидемическую кривую для этой точки. Удобно проводить усреднение по всем точкам, лежащим на границе квадрата, в центре которого находится источник инфекции, хотя симметрия в этом случае не будет полной. Сравнение результатов для квадратов различного размера дает картину эпидемической волны, движущейся от первоначального источника инфекции.
Здесь мы имеем последовательность распределений, моды которых увеличиваются в линейной прогрессии, а дисперсия непрерывно возрастает.
Было также выполнено более детальное исследование эпидемии общего типа с удалением зараженных индивидуумов. Безусловно, все это очень упрощенные модели. Однако важно понять, что они могут быть значительно усовершенствованы. Чтобы учесть мобильность популяции, надо допустить, что восприимчивые индивидуумы заражаются и от тех источников инфекции, которые не являются их ближайшими соседями. Возможно, здесь придется использовать какой-то весовой коэффициент, зависящий от расстояния. Видоизменения, которые нужно будет ввести при этом в программу вычислительной машины, сравнительно невелики. На следующем этапе, возможно, удастся описать таким способом реальные или типичные популяции с самой разнообразной структурой. Это откроет возможность оценивать эпидемиологическое состояние реальных популяций с точки зрения опасности возникновения эпидемий различного типа.
