Modelowanie i symulacja

Slides:



Advertisements
Podobne prezentacje
Modelowanie i symulacja
Advertisements

Model Konkurujących Gatunków
Ruch układu o zmiennej masie
Pochodna Pochodna  funkcji y = f(x)  określona jest jako granica stosunku przyrostu wartości funkcji y do odpowiadającego mu przyrostu zmiennej niezależnej.
Równanie różniczkowe zupełne i równania do niego sprowadzalne
11. Różniczkowanie funkcji złożonej
Modelowanie pojedynczej populacji .
Kredyty dyskontowe 1.Wstęp 2.Oprocentowanie proste - stopa stała
Rozdział IV - Ciągi płatności
Rozdział V - Wycena obligacji
Zadanie z dekompozycji
Kształtowanie Środowiska Wykład
Badania operacyjne. Wykład 2
Wykład no 11.
Procenty – powtórzenie wiadomości
ZLICZANIE cz. II.
Zliczanie III.
„METODA FOURIERA DLA JEDNORODNYCH WARUNKÓW BRZEGOWYCH f(0)=f(a)=0”
Wykład 2 Pole skalarne i wektorowe
Wykład III Fale materii Zasada nieoznaczoności Heisenberga
Wykład Równania Maxwella Fale elektromagnetyczne
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Rozdział XI -Kredyt ratalny
Konsolidacja kredytów spłacanych w ratach całkowitych 1. Wstęp 2. Oprocentowanie proste - stopa stała 3. Oprocentowanie proste - stopa zmienna 4. Oprocentowanie.
OPORNOŚĆ HYDRAULICZNA, CHARAKTERYSTYKA PRZEPŁYWU
Metoda różnic skończonych I
Kredyt - jest pożyczką pieniężną zaciągniętą w banku na określony cel i czas oraz za określony procent. Udzielanie kredytów przez banki jest jednym z.
MECHANIKA NIEBA WYKŁAD r.
Elementy Rachunku Prawdopodobieństwa i Statystyki
Modele ze strukturą wieku
Metody matematyczne w Inżynierii Chemicznej
AUTOMATYKA i ROBOTYKA (wykład 5)
MECHANIKA 2 Wykład Nr 11 Praca, moc, energia.
Zakładamy a priori istnienie rozwiązania α układu równań.
Wprowadzenie do ciągłych układów dynamicznych
Modelowanie matematyczne jako podstawa obliczeń naukowo-technicznych:
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Wykład 11 Badanie stabilności układu regulacji w przestrzeni stanów
Teoria sterowania Wykład 9 Transmitancja operatorowa i stabilność liniowych układu regulacji automatycznej.
Ostyganie sześcianu Współrzędne kartezjańskie – rozdzielenie zmiennych
MODEL LOGISTYCZNY I JEGO UOGÓLNIENIA
Wprowadzenie do ODEs w MATLAB-ie
Wprowadzenie do ciągłych układów dynamicznych
Bez rysunków INFORMATYKA Plan wykładu ELEMENTY MECHANIKI KLASYCZNEJ
Źródła błędów w obliczeniach numerycznych
Drgania punktu materialnego
Dynamika układu punktów materialnych
Algorytmika.
MOiPP Matlab Przykłady metod obliczeniowych Obliczenia symboliczne
 Ekonometria – dziedzina zajmująca się wykorzystaniem specyficznych metod statystycznych dostosowanych do badań nieeksperymentalnych.  Ekonometria to.
MECHANIKA 2 Wykład Nr 12 Zasady pracy i energii.
Prezentacja dla klasy I gimnazjum
OPCJE Ograniczenia na cenę opcji
WYKŁAD 5 OPTYKA FALOWA OSCYLACJE I FALE
Ruch jednowymiarowy Ruch - zmiana położenia jednych ciał względem innych, które nazywamy układem odniesienia. Uwaga: to samo ciało może poruszać się względem.
Wykład Rozwinięcie potencjału znanego rozkładu ładunków na szereg momentów multipolowych w układzie sferycznym Rozwinięcia tego można dokonać stosując.
 Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Metody sztucznej inteligencji – Technologie rozmyte i neuronoweSystemy.
Stosowane modele równowagi ogólnej (CGE) Wykład 2.
BYĆ PRZEDSIĘBIORCZYM - nauka przez praktykę Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego.
Zasada działania prądnicy
© Prof. Antoni Kozioł, Wydział Chemiczny Politechniki Wrocławskiej MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH Temat – 5 Modelowanie różniczkowe.
Identyfikacja i modelowanie struktur i procesów biologicznych Laboratorium 1: Modele ciągłe. Model Lotki-Volterry. mgr. inż. Urszula Smyczyńska.
Analiza dynamiki „Człowiek – najlepsza inwestycja”
Lokaty terminowe – jeden ze sposobów oszczędzania.
Przykład: 1 Pan Roch wpłacił 500 zł do banku, w którym oprocentowanie wkładów wynosiło 12% w skali roku. Pieniądze te przeznaczył dla swego chrześniaka,
Jak można wykorzystać swoją wiedzę z Matlaba
Obliczenia procentowe w praktyce
Trochę matematyki Przepływ cieczy nieściśliwej – zamrozimy ciecz w całej objętości z wyjątkiem wąskiego kanalika o stałym przekroju – kontur . Ciecz w.
Analiza numeryczna i symulacja systemów
jest najbardziej efektywną i godną zaufania metodą,
Zapis prezentacji:

Modelowanie i symulacja WYKŁAD 4

Przykłady ODE - odsetki Oprocentowanie konta Kwota na koncie: S(t) Kwota początkowa: S0 Różne schematy naliczania odsetek: codziennie, co miesiąc, co rok, odsetki są kapitalizowane, lub nie

Przykłady ODE - odsetki Jeśli np. schemat co rok, z kapitalizacją, to po pierwszym roku: po drugim roku: Ogólnie, po t latach:

Przykłady ODE - odsetki Przyrost kapitału (100 złotych na początku, 4% w skali roku) Milion po 294 latach!

Przykłady ODE - odsetki

Przykłady ODE - odsetki Schemat z naliczaniem odsetek co miesiąc, z kapitalizacją. Po miesiącu: po dwóch miesiącach: po t latach:

Przykłady ODE - odsetki Przyrost kapitału (100 złotych na początku, 4% w skali roku) Milion już po 290 latach!

Przykłady ODE - odsetki Ogólniej, przy naliczaniu odsetek m razy w roku:

Przykłady ODE - odsetki Załóżmy „ciągły” model naliczania odsetek – odsetki są naliczane co Zmianę kapitału można opisać za pomocą równania różniczkowego. Zapisując równanie różniczkowe nie staramy się opisać bezwzględnej wartości kwoty po pewnym czasie, a tylko zmianę wartości w ciągu

Przykłady ODE - odsetki Przyrost kapitału w Δt: (r to procentowy przyrost na jednostkę czasu, jeśli w czasie Δt nie zmieni się, to procentowy przyrost w tym czasie: rΔt)

Przykłady ODE - odsetki

Przykłady ODE - odsetki Otrzymane równanie: jest w postaci normalnej:

Przykłady ODE - odsetki Normalna ścieżka rozwiązywania na naszych zajęciach – przekazanie równania do systemu numerycznego rozwiązywania (MATLAB, ode45) Można jednak rozwiązać także symbolicznie:

Przykłady ODE - odsetki Rozwiązanie symboliczne

Przykłady ODE - odsetki

Przykłady ODE - odsetki Pole kierunkowe

Przykłady ODE - odsetki Równania różniczkowe określają relacje względne – przyrosty (gradienty) zależne od wartości zmiennych stanu – obrazuje to pole kierunkowe Rozwiązanie równań różniczkowych, to znalezienie takiej krzywej (trajektorii), która w każdym punkcie „pasuje” do pola kierunkowego – jej pochodna jest zgodna z pochodną określoną przez równania różniczkowe Konkretny przebieg trajektorii zależy od wartości początkowych zmiennych stanu

Przykłady ODE - odsetki Opis zjawiska można komplikować Np. można uwzględnić stały ubytek kapitału (regularne wypłaty): Nie komplikuje to bardzo zapisu równania różniczkowego (nadal postać normalna), nieco komplikuje rozwiązanie symboliczne:

Przykłady ODE - odsetki Można założyć oprocentowanie i wypłaty zmienne w czasie. Wtedy opis różniczkowy: np.:

Przykłady ODE - odsetki Rozwiązanie numeryczne takiego problemu nie nastręcza żadnych dodatkowych trudności – nadal mamy równanie w postaci normalnej Rozwiązanie symboliczne może już być kłopotliwe, zależnie od postaci r(t), k(t)

Przykłady ODE - populacja Zupełnie to samo prawo rozrostu populacji, nazywane prawem Malthusa np. populacja bakterii, mnożących się przez podział z szybkością k podziałów na jednostkę czasu:

Przykłady ODE - populacja Prawo Malthusa nie uwzględnia żadnych limitów przyrostu populacji i nie modeluje np. danych o populacji ludzkiej Inny model: gdzie u – tempo narodzin, z – tempo zgonów

Przykłady ODE - populacje Jeśli u, z są stałe, to powyższy model jest równoważny z modelem Malthusa Jednak, zwykle tempo narodzin zależy od wielkości populacji Np. populacja krokodyli, wstępnie 100 osobników, niech u=0.0005*N, z=0, wtedy:

Przykłady ODE - populacje Rozwiązanie symboliczne: prowadzi do dość dziwnej konkluzji: po 20 latach populacja krokodyli będzie dążyła do nieskończoności

Przykłady ODE - populacja Model z ograniczeniami: obserwuje się, że wraz ze wzrostem populacji spada tempo narodzin (względne). Przyczyną mogą być np. ograniczone zasoby żywieniowe Tak więc tempo narodzin:

Przykłady ODE - populacja Model: