Matematiksel Modelleme

Matematiksel modelleme — gerçek bir nesnenin, sürecin veya olgunun matematiksel modeli ile değiştirilerek sistem davranışının matematiksel yöntemler kullanılarak analiz edilmesine olanak tanıyan bir araştırma yöntemidir.

Matematiksel Modellemenin Özü

Matematiksel modelleme şunları kapsar:

• araştırılan nesnenin temel özelliklerinin formalize edilmesi;
• parametreler arasındaki ilişkileri ifade eden matematiksel modelin oluşturulması;
• modelin analitik, sayısal veya simülasyon yöntemleriyle incelenmesi;
• sonuçların gerçek sisteme uygulanarak yorumlanması.

Model her zaman gerçekliğin bir basitleştirmesidir; araştırma veya tasarım hedefleri açısından önemli olan yalnızca belirli yönleri bilinçli olarak yansıtır.

Matematiksel Modellemenin Amaçları

Matematiksel modeller şu amaçlarla geliştirilir:

• sistemlerin yapısını, özelliklerini ve işleyişini tanımlamak;
• gözlemlenen olguları yasaların ortaya çıkarılması yoluyla açıklamak;
• belirli etkilerin altında sistemlerin gelecekteki davranışını tahmin etmek;
• süreçleri ve kontrol sistemlerini optimize etmek;
• gerçekte erişilemeyen veya istenmeyen sanal deneyler yürütmek.

Matematiksel Modellerin Sınıflandırılması

• Açıklama biçimine göre: Deterministik ve stokastik (olasılıksal).
• Zamanın niteliğine göre: Statik ve dinamik.
• Değişkenlerin niteliğine göre: Ayrık ve sürekli.
• Ayrıntı düzeyine göre: Makroskopik, mikroskopik, mezoskopik.
• Kullanılan araca göre: Analitik, sayısal, simülasyon tabanlı.
• Amacına göre: Tanımlayıcı, öngörücü, optimizasyon ve simülasyon.
• Yapısına göre: Doğrusal ve doğrusal olmayan.
• Oluşturma yaklaşımına göre: Fenomenolojik (ampirik) ve mekanistik (teorik).

Matematiksel Modellemenin Aşamaları

Genel olarak matematiksel modellemenin aşamaları şöyledir:

1. Problemi tanımlama:
   • Modellemenin amacını belirleme (ne öğrenmek veya ne yapmak istiyoruz?).
   • Nesneyi veya süreci ve sınırlarını tanımlama.
   • Göz önünde bulundurulması gereken temel etkenler ve özellikler ile bunların belirlenmesi.
2. Model oluşturma (veya seçme):
   • Formalizasyon: Nesnenin ve bağlantıların tanımını matematik diline aktarma (denklemler, fonksiyonlar, mantıksal kurallar, algoritmalar vb.).
   • Temel olanı ön plana çıkarmak için varsayımlar ve basitleştirmeler yapma.
   • Model parametrelerini ve aralarındaki ilişkileri belirleme.
3. Modeli inceleme:
   • Matematiksel problemi çözme (analitik, sayısal veya simülasyon yoluyla).
   • Farklı koşullarda model davranışını incelemek için hesaplamalı deneyler yürütme.
4. Modelin yeterliliğini denetleme (doğrulama):
   • Modelleme sonuçlarını gerçek verilerle (deneysel, gözlemsel) veya bilinen olgularla karşılaştırma.
   • Modelin belirlenen amaç için gerçekliği ne ölçüde yansıttığını değerlendirme.
5. Sonuçları yorumlama ve uygulama:
   • Elde edilen modelleme verilerini analiz etme.
   • Sonuçları özgün problemin diline aktarma.
   • Modele dayanarak çıkarımlar ve tahminler formüle etme, öneriler geliştirme veya kararlar alma.

Bu süreç çoğunlukla yinelemeli niteliktedir. Yetersiz doğrulama veya yorum sonuçları, önceki aşamalara geri dönülmesini (problem tanımının gözden geçirilmesini, varsayımların değiştirilmesini, modelin güncellenmesini) gerektirebilir.

Temel Yaklaşım

Clive Dym'in çalışmalarına (Principles of Mathematical Modeling) dayanan temel yaklaşım, modellemeleri temel sorulara verilen yanıtların bir dizisi olarak ele almayı önerir:

• Why? (Neden?): Modele duyulan ihtiyaç nedir? Modellemenin amacını ve modelin çözülmesine yardımcı olması gereken problemi açıkça belirlemek gerekir.
• Find? (Bul?): Ne öğrenmek istiyoruz? Modelin amaca ulaşmak için sağlaması gereken somut çıktılar, özellikler veya bilgiler nelerdir?
• Given? (Veri?): Ne biliyoruz? Sistem hakkında hangi bilgi, veri (deneysel, istatistiksel) ve mevcut kaynaklar zaten bulunmaktadır?
• Assume? (Varsayımlar?): Hangi varsayımları yapıyoruz? Basitleştirmelerin, idealleştirmelerin, sistem davranışına ilişkin hipotezlerin ve modelin uygulanabilirlik sınırlarının belirlenmesi. Bu adım, modelin yeterliliğini doğrudan belirlediğinden kritik önem taşır.
• How? (Nasıl?): Sistem nasıl işler? Modellenen nesnenin davranışını yöneten temel yasaların (fiziksel, kimyasal, biyolojik, ekonomik vb.), mekanizmaların ve ilişkilerin belirlenmesi.
• Predict? (Tahmin?): Model ne öngörür? Modelin çekirdeğini oluşturan matematiksel denklemlerin, eşitsizliklerin, mantıksal kuralların veya algoritmaların formüle edilmesi ve gerçekleştirilecek hesaplamaların belirlenmesi.
• Valid? (Geçerlilik?): Modelin tahminleri gerçeklikle ne ölçüde örtüşüyor? Modelleme sonuçlarının gerçek verilerle veya bilinen olgularla karşılaştırılarak modelin belirlenen amaçlara uygunluğunun denetlenmesi.
• Verified? (Fayda/Kontrol?): Model başlangıçtaki amaca (Why?) ulaşmak için yararlı mı? Elde edilen sonuçlar ve modelin doğruluğu başlangıçtaki ihtiyacı karşılıyor mu? (Bu aşamada ayrıca doğrulama da gerçekleştirilebilir: matematiksel işlemlerin ve yazılım uygulamasının doğruluğunun kontrol edilmesi.)
• Improve? (İyileştirme?): Modeli iyileştirmek mümkün mü ve gerekli mi? Daha yüksek doğruluk veya daha geniş uygulama kapsamı için hassaslaştırılması gereken parametrelerin, gevşetilebilecek varsayımların veya eklenmesi gereken göz ardı edilmiş yönlerin belirlenmesi.
• Use? (Kullanım?): Sonuçlar nasıl uygulanır? Model tahminlerinin ve çıkarımlarının karar almak, yeni bilgi edinmek, öngörü yapmak, optimize etmek veya sistemi kontrol etmek amacıyla yorumlanması.

Matematiksel Modellemede Düz ve Ters Problemler

Geleneksel olarak matematiksel modellerle ilgili iki temel problem sınıfı ayırt edilir:

• Düz problem, önceden belirlenmiş yapı ve bilinen parametrelerle bir modelin incelenerek nesnenin davranışına ilişkin bilgi elde edilmesinden oluşur.
• Ters problem, mevcut deneysel veya ampirik verilere dayanarak belirli bir modelin seçilmesi ya da parametrelerinin belirlenmesinden oluşur.

Düz Problem

Düz problemin amacı — sistemin bilinen özelliklerine dayanarak dış etkilere verdiği tepki sorusunu yanıtlamak veya çeşitli koşullardaki özelliklerini belirlemektir. Düz problemin amacının temel yönleri:

• Bilinen yapı ve parametrelerle belirlenmiş bir matematiksel model temelinde nesnenin davranışını inceleme.
• Sistemin sayısal veya niteliksel özelliklerini elde etme: örneğin gerilmelerin, sıcaklık dağılımlarının, yüklere verilen dinamik tepkilerin belirlenmesi vb.
• Çeşitli dış etkilere (yükler, ortam koşullarının değişimi, yönetilen eylemler) maruz kalan nesnenin durumunu tahmin etme.
• Sistemlerin kararlılığını ve güvenilirliğini analiz etme, sınır çalışma rejimlerini belirleme.
• Model temelinde formüle edilen nesne davranışına ilişkin hipotezleri doğrulama.
• Modelin kontrol etkilerine verdiği tepkileri hesaplayarak kontrol süreçlerini optimize etme.
• Çözümlerin başlangıç koşullarına ve model parametrelerine duyarlılığını değerlendirme.

Ters Problem

Ters problemin amacı — gerçek sistemin davranışına ilişkin mevcut verilere dayanarak modelin yapısını veya parametrelerini belirlemektir.

Ters problemin amacının temel yönleri:

• Modelin bilinmeyen parametrelerini bulma (örneğin esneklik, ısı iletkenliği, direnç katsayıları vb.).
• Gözlemlenen çıktı verilerine dayanarak süreçlerin gizli yapısını belirleme.
• Matematiksel modeli, davranışı deneysel veya ampirik verilerle örtüşecek biçimde oluşturma veya güncelleme.
• Gözlem ve deney verilerinin işlenmesi ve yorumlanması için uygun yöntemler geliştirme.

Doğrulama ve Geçerlilik Denetimi

Matematiksel bir model oluşturulduktan ve yazılım ya da algoritmik uygulaması elde edildikten sonra, doğruluğunun ve uygulanabilirliğinin değerlendirilmesi kritik önem taşır. Bu amaçla birbiriyle bağlantılı ancak farklı iki süreç kullanılır: doğrulama ve geçerlilik denetimi.

• Doğrulama (Verification):
  • Soru: Modeli doğru biçimde mi uyguluyoruz (oluşturuyoruz)?
  • Anlam: Modelin yazılım uygulamasının veya hesaplama algoritmasının, matematiksel formülasyonuna ve kavramsal tanımına tam olarak uyup uymadığının kontrolü. Başka bir deyişle, doğrulama denklemlerin doğru çözüldüğünü ve algoritmanın yerleşik mantığa göre hatasız çalıştığını teyit eder.
  • Yöntemler: Kod analizi ve denetimi, bilinen analitik çözümler üzerinde test (mevcutsa), diğer doğrulanmış programların sonuçlarıyla karşılaştırma, algoritmaların sayısal kararlılığının ve yakınsamasının kontrolü.
• Geçerlilik Denetimi (Validation):
  • Soru: Doğru modeli mi oluşturduk?
  • Anlam: Modelin, tanımlaması amaçlanan gerçek nesne, süreç veya olguya modelleme hedefleri bağlamında ne ölçüde uyduğunun belirlenmesi. Geçerlilik denetimi, modelin bizi ilgilendiren gerçeklik yönlerini ne ölçüde yansıttığı sorusunu yanıtlar.
  • Yöntemler: Modelleme sonuçlarının deneysel verilerle, gerçek sistem gözlem verileriyle, istatistiksel verilerle, bilinen olgularla veya daha önce kendini kanıtlamış diğer modellerin sonuçlarıyla karşılaştırılması. Modelin parametre değişikliklerine duyarlılığının değerlendirilmesi.

Temel fark:

• Doğrulama, modelin uygulamasını onun spesifikasyonuyla (matematiksel tanımıyla) karşılaştırır.
• Geçerlilik denetimi, modeli (bir bütün olarak) gerçeklikle karşılaştırır.

Matematiksel açıdan doğru ancak gerçek sürece yetersiz kalan bir modele sahip olmak mümkündür (doğrulanmış, ancak geçerlilik denetiminden geçmemiş); ya da uygun olarak tasarlanmış ancak hatalı uygulanmış bir model de söz konusu olabilir (doğrulama yapılmamış).

Doğrulama ve geçerlilik denetimi süreçleri, matematiksel modelleme sürecinin ayrılmaz bir parçasını oluşturur. Bu süreçler modelleme sonuçlarına güven sağlar ve modelin uygulanabilirlik sınırlarının değerlendirilmesine olanak tanır. Bu süreçler olmaksızın modelin tahmin, optimizasyon veya karar alma amacıyla kullanılması yanlış sonuçlara yol açabilir.

Sınırlamalar ve Varsayımlar

Her matematiksel model bir soyutlamadır — araştırılan gerçekliğin amaçlı bir basitleştirmesidir. Bir dizi varsayıma dayanır ve her harita gibi bölgenin kendisi değil, yalnızca belirli amaçlar için yapılmış bir tanımıdır. Bu durum şu sınırlamaları beraberinde getirir:

1. Eksiklik: Model, yalnızca (araştırmanın amacı ve yapılan varsayımlar açısından) önemli sayılan etken ve ilişkileri dikkate alır; analizi basitleştirmek için diğer ayrıntıları bilinçli olarak göz ardı eder.
2. Varsayımlara bağımlılık: Modelin doğruluğu, kesinliği ve uygulanabilirlik alanı doğrudan yapılan varsayımların geçerliliğine bağlıdır. Yanlış veya ihlal edilen varsayımlar hatalı ya da yanlış sonuçlara yol açar.
3. Sınırlı uygulanabilirlik alanı: Model, yalnızca belirli koşullar altında (varsayımlara uygun biçimde) ve oluşturulduğu ve denetlendiği belirli problem kategorileri için gerçekliği yeterince tanımlar. Bu sınırların ötesine ekstrapolasyon yapmak hatalıdır.
4. Hata payı: Basitleştirmeler nedeniyle modelleme sonuçları, nesnenin gerçek davranışına kıyasla her zaman belirli bir hata payı içerir.
5. Geçerlilik denetimi zorunluluğu: Model bir basitleştirme olduğundan, yeterliliğinin gerçek (deneysel veya gözlemsel) veriler aracılığıyla her zaman kontrol edilmesi (geçerlilik denetimi) gerekmektedir.
6. Duyarlılık: Modelleme sonuçları girdi verilerindeki, model parametrelerindeki ve yapılan varsayımlardaki değişikliklere duyarlı olabilir; bu durum çoğunlukla duyarlılık analizi yapılmasını gerektirir.

Uygulama Örnekleri

• Fizikte: Isı iletkenliğinin, hidrodinamiğin ve elektromanyetik süreçlerin modellenmesi.
• Mühendislikte: Yapı dayanıklılığının hesaplanması, teknolojik süreçlerin optimizasyonu.
• Biyolojide: Popülasyon dinamiğinin ve hastalıkların yayılmasının modellenmesi.
• Ekonomide: Makroekonomik modellerin ve optimal kontrol modellerinin oluşturulması.
• Sosyolojide: Göç süreçlerinin ve sosyal dinamiklerin modellenmesi.

İlgili Kavramlar

• Matematiksel model
• Sistem modeli
• Modelleme süreci
• Sistem modellerinin formalizasyonu
• Modelleme
• Yöneylem araştırması

Literatür

• Введение в математическое моделирование / Под ред. П.В. Трусова. — М.: Университетская книга, Логос, 2007.
• Математическое моделирование. Идеи. Методы. Примеры. Моисеев Н.Н. — М.: Наука, 1981.
• Математическое моделирование. Галанин М.П., Галанина Е.М., Сергеев А.В., Шалаева А.К. . — М.: ЛКИ, 2022.
• Principles of Mathematical Modeling Dym, C.L. (2004)