Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...
Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...
Adaptive Modellierung und Simulation - Adaptive Systemarchitektur ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
4-12 Hierarchische Systeme<br />
xes Modell durch einen top-down-Ansatz in „natürliche“ Untermodelle zu untergliedern.<br />
4.3 Hierarchiebildung <strong>und</strong> Strukturanalyse<br />
Angenommen, wir haben bereits ein Modell gebildet. Mit der Zeit wird es immer<br />
komplexer <strong>und</strong> wir verstehen kaum noch die eigentlichen Abhängigkeiten <strong>und</strong><br />
Funktionen innerhalb des Modells. In diesem Fall hat es sich bewährt, das Modell<br />
in Submodelle zu untergliedern <strong>und</strong> es damit auf die „wesentlichen“ Strukturen<br />
zu reduzieren. Eine solche Zerlegung hat dabei folgende Vorteile:<br />
• Ein klares Bild der kausalen Struktur kann bei der Konstruktion helfen,<br />
<strong>Modellierung</strong>sfehler zu vermeiden.<br />
• Mit Hilfe der klaren Strukturen kann der Anwender leichter das Modell<br />
verstehen, d.h. seine Ziele <strong>und</strong> Annahmen zu erfassen <strong>und</strong> seine Hauptarchitektur<br />
zu verfolgen.<br />
• Mit der Kenntnis der wichtigsten Ziele <strong>und</strong> Annahmen kann man auch<br />
leichter die theoretischen Eigenschaften <strong>und</strong> damit das Anwendungsgebiet<br />
des Modells abschätzen. Auch die Ergebnisse lassen sich so leichter interpretieren.<br />
• Durch die Zerlegung des Modells in Mengen von zusammenhängenden<br />
Variablen lassen sich leichter die Punkte im Modell lokalisieren, die für eine<br />
bestimmte Analyse ausschlaggebend sind, unabhängig vom wesentlich<br />
größeren Modell, in das sie eingebettet sind.<br />
Als Richtschnur soll uns dabei der Gedanke dienen, die „logisch-kausale“<br />
Struktur des Modells zu erschließen.<br />
Als wichtiges Hilfsmittel dabei dient uns die graphische Form des Modells. Betrachten<br />
wir dazu die allgemeinen differentiellen Systemgleichungen, wie sie in<br />
Abschnitt 3.3 eingeführt wurden<br />
z(t+1) = F (z(t),x(t),t) (4.12)<br />
Im linearen, diskreten Fall ist dies<br />
z(t+1) = (I+A) z(t) + Bx(t) (4.13)<br />
Haben wir keine linearen Wirkungen, so können wir die Funktion F(.) in einer<br />
Taylorreihe entwickeln <strong>und</strong> erhalten mit den Jacobi-Matrizen<br />
⎛ ∂F<br />
⎞ ⎛<br />
i<br />
∂F<br />
⎞<br />
i<br />
A = (Aij) = ⎜ ⎟ , B = (Bij) = ⎜ ⎟<br />
⎜ ∂z<br />
⎟ ⎜<br />
⎝ j⎠<br />
x ⎟<br />
⎝<br />
∂ j⎠<br />
(4.14)<br />
lineare Approximationen erster Ordnung. Im Übrigen gelten die folgenden Betrachtungen<br />
ganz allgemein für alle Arten von Wirkungen zwischen Variablen zi,<br />
unabhängig davon, ob sie linear oder nichtlinear sind.