Matematikong Pagmomodelo

Matematikong Pagmomodelo — ito ay isang paraan ng pananaliksik kung saan ang tunay na bagay, proseso, o kababalaghan ay pinapalitan ng matematikong modelo nito, na nagbibigay-daan sa pagsusuri ng gawi ng sistema gamit ang mga matematikong pamamaraan.

Kakanyahan ng Matematikong Pagmomodelo

Ang matematikong pagmomodelo ay kinabibilangan ng:

• pagpopormal ng mga mahahalagang katangian ng sinusuring bagay;
• pagbuo ng matematikong modelo na nagpapahayag ng mga ugnayan sa pagitan ng mga parameter;
• pag-aaral ng modelo sa pamamagitan ng mga analitiko, numerikal, o imitasyon na pamamaraan;
• interpretasyon ng mga resulta kaugnay ng tunay na sistema.

Ang modelo ay laging isang pagpapasimple ng katotohanan, na may layuning sumasalamin lamang sa mga aspetong mahalaga para sa mga itinakdang layunin ng pananaliksik o disenyo.

Mga Layunin ng Matematikong Pagmomodelo

Ang mga matematikong modelo ay binubuo para sa:

• paglalarawan ng istruktura, katangian, at paggana ng mga sistema;
• pagpapaliwanag ng mga naobserbahang kababalaghan sa pamamagitan ng pagtuklas ng mga regularidad;
• pagtataya ng hinaharap na gawi ng mga sistema sa ilalim ng mga tinukoy na epekto;
• pag-optimize ng mga proseso at sistema ng kontrol;
• pagsasagawa ng mga virtual na eksperimento na hindi magagawa o hindi kanais-nais sa katotohanan.

Klasipikasyon ng mga Matematikong Modelo

• Ayon sa paraan ng paglalarawan: Deterministiko at stokastiko (probabilistiko).
• Ayon sa kalikasan ng oras: Estatiko at dinamiko.
• Ayon sa kalikasan ng mga variable: Diskreto at tuluy-tuloy.
• Ayon sa antas ng detalye: Makroskopiko, mikroskopiko, mezoskopiko.
• Ayon sa ginamit na aparato: Analitiko, numerikal, imitasyon.
• Ayon sa layunin: Deskriptibo, prognostiko, optimizasyon, imitasyon.
• Ayon sa istruktura: Linear at nonlinear.
• Ayon sa pamamaraan ng pagbuo: Phenomenolohikal (empirikal) at mekanistiko (teoritikal).

Mga Yugto ng Matematikong Pagmomodelo

Sa pangkalahatan, ang mga yugto ng matematikong pagmomodelo ay ang sumusunod:

1. Pagtatakda ng gawain:
   • Pagtukoy ng layunin ng pagmomodelo (ano ang nais nating malaman o gawin?).
   • Paglalarawan ng bagay o proseso, ang mga hangganan nito.
   • Pagtukoy ng mga pangunahing salik at katangian na kailangang isaalang-alang.
2. Pagbuo (o pagpili) ng modelo:
   • Pagpopormal: Pagsasalin ng paglalarawan ng bagay at ng mga ugnayan sa wika ng matematika (mga ekwasyon, mga function, mga lohikal na patakaran, mga algorithm, atbp.).
   • Pagpapakilala ng mga pagpapalagay at pagpapasimple upang matukoy ang pangunahing bagay.
   • Pagtukoy ng mga parameter ng modelo at ng kanilang mga ugnayan.
3. Pag-aaral ng modelo:
   • Paglutas ng matematikong gawain (analitiko, numerikal, imitasyon).
   • Pagsasagawa ng mga computational na eksperimento upang pag-aralan ang gawi ng modelo sa ilalim ng iba't ibang kondisyon.
4. Pagsusuri ng kasapatan (validation) ng modelo:
   • Paghahambing ng mga resulta ng pagmomodelo sa tunay na datos (eksperimental, naobserbahan) o sa mga kilalang katotohanan.
   • Pagtatasa kung gaano kahusay na inilalarawan ng modelo ang katotohanan para sa itinakdang layunin.
5. Interpretasyon at paglalapat ng mga resulta:
   • Pagsusuri ng nakuhang datos ng pagmomodelo.
   • Pagsasalin ng mga resulta sa wika ng orihinal na problema.
   • Pagbuo ng mga konklusyon, hula, pagbuo ng mga rekomendasyon, o paggawa ng desisyon batay sa modelo.

Ang prosesong ito ay madalas na iteratibo. Ang hindi kasiya-siyang mga resulta ng validation o interpretasyon ay maaaring mangailangan ng pagbabalik sa mga nakaraang yugto (paglilinaw ng pagtatakda ng gawain, pagbabago ng mga pagpapalagay, pagbabago ng modelo).

Prinsipyong Pamamaraan

Ang prinsipyong pamamaraan, batay sa mga gawa ni Clive Dym (Principles of Mathematical Modeling), ay nagmumungkahi na tingnan ang pagmomodelo bilang isang pagkakasunod-sunod ng mga sagot sa mga pangunahing tanong:

• Why? (Bakit?): Ano ang pangangailangan sa modelo? Kailangang malinaw na tukuyin ang layunin ng pagmomodelo at ang problemang dapat tulungan ng modelo na malutas.
• Find? (Hanapin?): Ano ang nais nating malaman? Anong mga tiyak na output na datos, katangian, o impormasyon ang dapat ibigay ng modelo upang makamit ang layunin?
• Given? (Ibinigay?): Ano ang alam natin? Anong impormasyon, datos (eksperimental, estad​istika), kaalaman tungkol sa sistema, at mga magagamit na mapagkukunan ang mayroon na?
• Assume? (Mga pagpapalagay?): Anong mga pagpapalagay ang ginagawa natin? Pagtukoy ng mga pagpapasimple, idealisasyon, hipotesis tungkol sa gawi ng sistema, at mga hangganan ng pagiging angkop ng modelo. Ang hakbang na ito ay kritikal, dahil tinutukoy nito ang kasapatan ng modelo.
• How? (Paano?): Paano gumagana ang sistema? Pagtukoy ng mga pangunahing batas (pisikal, kemikal, biolohikal, ekonomikal, atbp.), mga mekanismo, at mga ugnayan na nangangasiwa sa gawi ng bagay na minomodelo.
• Predict? (Hula?): Ano ang ihuhula ng modelo? Pagbuo ng mga matematikong ekwasyon, kawalan-pagkakapantay, lohikal na patakaran, o mga algorithm na bumubuo sa puso ng modelo, at pagtukoy ng mga kalkulasyong isasagawa.
• Valid? (Validity?): Gaano katugma ang mga hula ng modelo sa katotohanan? Paghahambing ng mga resulta ng pagmomodelo sa tunay na datos o kilalang mga katotohanan upang suriin ang kasapatan ng modelo sa mga itinakdang layunin.
• Verified? (Pagiging kapaki-pakinabang/Pagsusuri?): Kapaki-pakinabang ba ang modelo para makamit ang orihinal na layunin (Why?)? Natutugunan ba ng mga nakuha na resulta at katumpakan ng modelo ang orihinal na pangangailangan? (Gayundin sa yugtong ito maaaring isagawa ang verification — pagsusuri ng kawastuhan ng mga matematikong kalkulasyon at software na implementasyon).
• Improve? (Pagpapabuti?): Maaari ba at kailangan bang pagbutihin ang modelo? Pagtukoy ng mga parameter na nangangailangan ng paglilinaw, mga pagpapalagay na maaaring naisin, o mga hindi isinaalang-alang na aspeto na kailangang idagdag para sa mas malaking katumpakan o lawak ng paglalapat.
• Use? (Paggamit?): Paano ilalapat ang mga resulta? Interpretasyon ng mga hula at konklusyon ng modelo para sa paggawa ng desisyon, pagkuha ng bagong kaalaman, pagtataya, pag-optimize, o kontrol ng sistema.

Direkta at Baligtad na Gawain ng Matematikong Pagmomodelo

Tradisyonal na, dalawang pangunahing uri ng mga gawain ang kaugnay ng mga matematikong modelo:

• Ang direktang gawain ay binubuo ng pag-aaral ng modelo na may paunang natukoy na istruktura at kilalang mga parameter upang makakuha ng impormasyon tungkol sa gawi ng bagay.
• Ang baligtad na gawain ay binubuo ng pagpili ng isang tiyak na modelo o pagtukoy ng mga parameter nito batay sa mga available na eksperimental o empirikal na datos.

Direktang Gawain

Ang layunin ng direktang gawain — batay sa mga kilalang katangian ng sistema, sagutin ang tanong tungkol sa tugon nito sa mga panlabas na epekto o tukuyin ang mga katangian nito sa iba't ibang kondisyon. Mga pangunahing aspeto ng layunin ng direktang gawain:

• Pag-aaral ng gawi ng bagay batay sa isang ibinigay na matematikong modelo na may kilalang istruktura at mga parameter.
• Pagkuha ng dami o kalidad na katangian ng sistema: halimbawa, pagtukoy ng mga stress, temperatura na larangan, mga dynamic na tugon sa mga karga, atbp.
• Pagtataya ng estado ng bagay sa ilalim ng iba't ibang panlabas na epekto (mga karga, mga pagbabago sa mga kondisyon ng kapaligiran, mga kontroladong aksyon).
• Pagsusuri ng katatagan at pagiging maaasahan ng mga sistema, pagtukoy ng kanilang mga limitasyon sa operating mode.
• Pagsusuri ng mga hipotesis tungkol sa gawi ng bagay na binuo batay sa modelo.
• Pag-optimize ng mga proseso ng kontrol sa pamamagitan ng pagkalkula ng mga tugon ng modelo sa mga controlling na epekto.
• Pagtatasa ng sensitivity ng mga solusyon sa mga pagbabago sa mga paunang kondisyon at mga parameter ng modelo.

Baligtad na Gawain

Ang layunin ng baligtad na gawain — tukuyin ang istruktura ng modelo o ang mga parameter nito batay sa mga available na datos tungkol sa gawi ng tunay na sistema.

Mga pangunahing aspeto ng layunin ng baligtad na gawain:

• Hanapin ang mga hindi kilalang parameter ng modelo (halimbawa, mga coefficient ng elastisidad, thermal conductivity, resistansya, atbp.).
• Tukuyin ang nakatagong istruktura ng mga proseso batay sa mga naobserbahang output na datos.
• Buuin o baguhin ang matematikong modelo upang ang gawi nito ay naaayon sa mga eksperimental o empirikal na datos.
• Bumuo ng mga angkop na paraan ng pagpoproseso at interpretasyon ng mga datos ng mga obserbasyon at eksperimento.

Verification at Validation

Pagkatapos ng pagbuo ng matematikong modelo at pagkuha ng software o algorithm na implementasyon nito, ang isang kritikal na hakbang ay ang pagtatasa ng kawastuhan at pagiging angkop nito. Para dito, ginagamit ang dalawang magkaugnay ngunit magkaibang proseso: verification at validation.

• Verification:
  • Tanong: Tama ba ang aming implementasyon (pagbuo) ng modelo?
  • Kahulugan: Pagsusuri na ang software na implementasyon o computational algorithm ng modelo ay tumpak na naaayon sa matematikong formulasyon at konseptual na paglalarawan nito. Sa madaling salita, tinitiyak ng verification na ang mga ekwasyon ay nalulutas nang tama at ang algorithm ay gumagana nang walang mga pagkakamali ayon sa itinakdang lohika.
  • Mga pamamaraan: Pagsusuri at tseke ng code, pagsubok sa mga kilalang analytical na solusyon (kung mayroon), paghahambing sa mga resulta ng iba pang mga napatunayan na programa, pagsusuri ng numerical stability at convergence ng mga algorithm.
• Validation:
  • Tanong: Tama ba ang modelo na aming binuo?
  • Kahulugan: Pagtukoy ng antas ng pagsasabay ng modelo sa tunay na bagay, proseso, o kababalaghan na nilayong ilarawan nito, kaugnay ng mga layunin ng pagmomodelo. Sinasagot ng validation ang tanong kung gaano kahusay na isinasalamin ng modelo ang mga aspeto ng katotohanan na interesado sa amin.
  • Mga pamamaraan: Paghahambing ng mga resulta ng pagmomodelo sa eksperimental na datos, datos ng obserbasyon ng tunay na sistema, estadistikal na datos, kilalang mga katotohanan, o mga resulta ng iba pang mga naitatag na modelo. Pagtatasa ng sensitivity ng modelo sa mga pagbabago ng mga parameter.

Pangunahing pagkakaiba:

• Inihahambing ng verification ang implementasyon ng modelo sa espesipikasyon nito (matematikong paglalarawan).
• Inihahambing ng validation ang modelo (sa kabuuan) sa katotohanan.

Maaaring magkaroon ng matematikong tamang ngunit hindi sapat sa tunay na proseso na modelo (naverify, ngunit hindi navalidate), o isang modelo na nilayong maging sapat ngunit naipatupad nang may mga pagkakamali (hindi naverify).

Ang mga proseso ng verification at validation ay isang mahalagang bahagi ng proseso ng matematikong pagmomodelo. Tinitiyak nila ang tiwala sa mga resulta ng pagmomodelo at nagbibigay-daan sa pagtatasa ng mga hangganan ng pagiging angkop ng modelo. Kung wala ang mga ito, ang paggamit ng modelo para sa pagtataya, pag-optimize, o paggawa ng desisyon ay maaaring hindi tama.

Mga Limitasyon at Pagpapalagay

Ang anumang matematikong modelo ay isang abstraksiyon — isang may layuning pagpapasimple ng sinusuring katotohanan. Ito ay batay sa ilang mga pagpapalagay at, tulad ng anumang mapa, hindi ito ang teritoryo mismo, kundi isang paglalarawan lamang nito para sa mga tiyak na layunin. Nagdudulot ito ng mga sumusunod na limitasyon:

1. Kakulangan: Isinasaalang-alang ng modelo ang mga salik at ugnayan na mahalaga lamang (mula sa pananaw ng layunin ng pananaliksik at ng mga ginawang pagpapalagay), na sinadyang binabalewala ang iba pang mga detalye upang mapasimple ang pagsusuri.
2. Pag-asa sa mga pagpapalagay: Ang kawastuhan, katumpakan, at lawak ng pagiging angkop ng modelo ay direktang nakasalalay sa bisa ng mga ginawang pagpapalagay. Ang maling o nilabag na mga pagpapalagay ay humahantong sa hindi tumpak o maling mga resulta.
3. Limitadong lawak ng pagiging angkop: Wastong inilalarawan ng modelo ang katotohanan sa ilalim lamang ng ilang mga kondisyon (naaayon sa mga pagpapalagay) at para sa paglutas ng isang tiyak na hanay ng mga gawain para sa kung saan ito nilikha at sinuri. Ang extrapolation sa labas ng mga hangganan na ito ay hindi tama.
4. Pagkakamali: Dahil sa mga pagpapasimple, ang mga resulta ng pagmomodelo ay palaging may ilang pagkakamali kumpara sa tunay na gawi ng bagay.
5. Pangangailangan ng validation: Dahil ang modelo ay isang pagpapasimple, ang kasapatan nito ay palaging nangangailangan ng pagsusuri (validation) batay sa tunay na (eksperimental o naobserbahan) na datos.
6. Sensitivity: Ang mga resulta ng pagmomodelo ay maaaring sensitive sa mga pagbabago ng input na datos, mga parameter ng modelo, at mga ginawang pagpapalagay, na kadalasang nangangailangan ng pagsasagawa ng sensitivity analysis.

Mga Halimbawa ng Paglalapat

• Sa pisika: pagmomodelo ng thermal conductivity, hydrodynamics, electromagnetic na proseso.
• Sa inhinyeriya: pagkalkula ng lakas ng istruktura, pag-optimize ng mga teknolohikal na proseso.
• Sa biyolohiya: pagmomodelo ng populasyon dynamics at pagkalat ng mga sakit.
• Sa ekonomiya: pagbuo ng mga macroeconomic na modelo at mga modelo ng pinakamainam na kontrol.
• Sa sosyolohiya: pagmomodelo ng mga proseso ng migrasyon at panlipunang dynamics.

Sanggunian

• Panimula sa Matematikong Pagmomodelo / Sa ilalim ng pag-edit ni P.V. Trusov. — M.: Universitetskaya Kniga, Logos, 2007.
• Matematikong Pagmomodelo. Mga Ideya. Mga Pamamaraan. Mga Halimbawa. Moiseev N.N. — M.: Nauka, 1981.
• Matematikong Pagmomodelo. Galanin M.P., Galanina E.M., Sergeev A.V., Shalaeva A.K. — M.: LKI, 2022.
• Principles of Mathematical Modeling Dym, C.L. (2004)

Kaugnayan sa Iba Pang Konsepto

• Matematikong modelo
• Modelo ng sistema
• Proseso ng pagmomodelo
• Pagpopormal ng mga modelo ng sistema
• Pagmomodelo
• Operations Research