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.
3-14 Wissensbasierte <strong>Modellierung</strong><br />
d z(t<br />
0)<br />
z(t + Δt) − z(t)<br />
=<br />
dt Δt<br />
(3.17)<br />
gilt. Wählen wir ein sehr kleines Δt, so gilt dies approximativ auch für t0 = t, <strong>und</strong><br />
wir haben<br />
<strong>und</strong> somit<br />
z(t+Δt) ≈ z(t) +<br />
d z(t)<br />
dt<br />
Δt Euler-Cauchy-Integration<br />
(3.18)<br />
z(t+Δt) := z(t) + Az(t) Δt (3.19)<br />
Man beachte, dass dies nur für kleine Δt eine gute Approximation ist; je größer<br />
wir die Schritte machen, umso ungenauer ist die Integration. Wir müssen also<br />
möglicht viele Iterationsschritte bei diesem Verfahren durchführen.<br />
Zur Illustration ist in Abb. 3.7 das Systemverhalten wieder am Beispiel der Umwelt-<br />
<strong>und</strong> Ressourcenbelastung gezeigt. Dabei wurde Δt = 0.02 <strong>und</strong> B(0) = U(0) =<br />
K(0) = 1 verwendet.<br />
C = 1,05<br />
C = 1,1<br />
C = 1,08<br />
C = 1,15<br />
Abb. 3.7 Entwicklung der Umweltbelastung U mit der<br />
Zeit für verschiedene Werte von C<br />
Vergleichen wir die Diagramme aus beiden Abbildungen, so fallen zum einen die<br />
Unterschiede auf: Für verschiedene Werte von C gibt es durchaus unterschiedliche<br />
dynamische Entwicklungen, was angesichts der unterschiedlichen Interpretation