تصمیمهای مدلسازی
پس از آنکه نوعِ کلیِ مدل را برگزیدیم، با مجموعهای از تصمیمهای مشخص روبهرو میشویم: چه متغیرهایی را نگه داریم؟ چه چیزی را سادهسازی کنیم؟ مرزِ سامانه کجاست؟ این فصل به این تصمیمها میپردازد، چون کیفیتِ یک مدل بیش از هر چیز به همین انتخابها بستگی دارد.
چه متغیرهایی مهماند؟
نخستین تصمیم، انتخابِ متغیرهای حالت است، یعنی کمیتهایی که حالتِ سامانه را توصیف میکنند. برای یک وزنهٔ روی فنر، مکان \(x\) و سرعت \(\dot{x}\) کافیاند. اما آیا باید دما را هم در نظر بگیریم؟ کشسانیِ غیرخطیِ فنر را؟ جرمِ خودِ فنر را؟ هر متغیرِ افزوده، مدل را دقیقتر اما پیچیدهتر میکند.
اصلِ راهنما این است: متغیری را نگه دار که بر پاسخِ پرسشِ تو اثرِ معنادار دارد، و بقیه را کنار بگذار. این همان اصلِ تناسب با هدف است که در فصل پیش دیدیم، اما اکنون در سطحِ متغیرهای منفرد به کار میرود.
نقشِ فرضها
هر سادهسازی، یک فرض است که باید آگاهانه و صریح باشد. آونگِ ساده را در نظر بگیرید. معادلهٔ دقیقِ حرکت چنین است:
این معادله جوابِ تحلیلیِ ساده ندارد. اما اگر فرض کنیم دامنهٔ نوسان کوچک است، آنگاه \(\sin\theta \approx \theta\) و معادله به نوسانگرِ هماهنگ فرومیکاهد:
این فرضِ «دامنهٔ کوچک» مدل را بسیار سادهتر میکند، اما تنها در محدودهٔ معینی معتبر است. برای دامنههای بزرگ، تقریبِ \(\sin\theta\approx\theta\) میشکند و باید به معادلهٔ کامل بازگردیم. درسِ مهم این است که هر فرض یک محدودهٔ اعتبار دارد، و باید بدانیم کِی از آن خارج میشویم.
انتخابهای کلیدی در ساختِ مدل
چند تصمیمِ ساختاری در هر مدلسازی تکرار میشوند.
خطی در برابر غیرخطی. مدلهای خطی، مانندِ نوسانگرِ هماهنگ یا آونگِ دامنهکوچک، جوابِ تحلیلی دارند و تحلیلشان آسان است. مدلهای غیرخطی، مانندِ آونگِ دامنهبزرگ، واقعگرایانهترند اما معمولاً به حلِ عددی نیاز دارند. اغلب با یک تقریبِ خطی آغاز میکنیم و تنها در صورتِ نیاز به غیرخطی میرویم.
قطعی در برابر تصادفی. یک مدلِ قطعی از یک شرطِ اولیه، آیندهای یکتا میسازد؛ نوسانگرِ هماهنگِ بیاصطکاک چنین است. یک مدلِ تصادفی نوفه یا عدمِقطعیت را در خود دارد؛ مثلاً همان نوسانگر وقتی تحتِ تأثیرِ ضربههای تصادفیِ محیط باشد. انتخاب میانِ این دو به آن بستگی دارد که آیا نوفه برای پرسشِ ما مهم است یا نه.
پیوسته در برابر گسسته. آیا زمان را پیوسته در نظر بگیریم (معادلهٔ دیفرانسیل) یا گسسته (نگاشتِ گامبهگام)؟ بیشترِ سامانههای فیزیکی پیوستهاند، اما برای حلِ عددی ناگزیر آنها را گسسته میکنیم، موضوعی که در فصلهای روشهای عددی به آن میپردازیم.
مرزِ سامانه. کجا را «درونِ» سامانه و کجا را «بیرون» یا محیط بدانیم؟ برای یک وزنهٔ روی فنر، آیا دیوارِ متصل به فنر بخشی از سامانه است یا یک تکیهگاهِ ثابتِ بیرونی؟ این مرزبندی تعیین میکند چه چیزی را مدل کنیم و چه چیزی را بهصورتِ ورودیِ بیرونی بگیریم.
جمعبندی
مدلسازی، زنجیرهای از تصمیمهای آگاهانه است: کدام متغیرها، کدام فرضها، کدام مرزها. هیچ مدلی بهطورِ مطلق «درست» یا «غلط» نیست؛ هر مدل مجموعهای از انتخابهاست که آن را برای پرسشی مناسب و برای پرسشی دیگر نامناسب میکند. مهارتِ اصلی، صریحکردنِ این انتخابها و آگاهی از محدودهٔ اعتبارِ آنهاست.