1.2.1　系统建模方法

1.2.1　系统建模方法

1.2.1.1　机理建模

机理建模（演绎建模）：一般是在若干简化假设条件下，以各学科专业知识为基础，通过分析系统变量之间的关系和规律，获得系统的解析型数学模型，其实质是应用自然科学和社会科学中被证明是正确的理论、原理和定律或推论，对被研究系统的有关要素（变量）进行理论分析、演绎归纳，从而构造出该系统的数学模型。

建模步骤如下：

（1）分析系统功能、原理，对系统做出与建模目标相关的描述。

（2）找出系统的输入变量和输出变量。

（3）按照系统（部件、元件）遵循的物化（或生态、经济）规律列写出各部分的微分方程或传递函数等。

（4）消除中间变量，得到初步数学模型。

（5）进行模型标准化。

（6）进行验模（必要时需要修改模型）。

1.2.1.2　数据驱动建模

数据驱动建模（归纳建模）基本上分两大类：

（1）机理分析建模方法（白箱）：依据基本的物理、化学等定律，进行机理分析，确定模型结构、参数；使用该方法的前提是对系统的运行机理完全清楚。

（2）实验统计建模方法：使用的前提是必须有足够正确的数据，所建的模型也只能保证在这个范围内有效；足够的数据不仅指数据量多，而且数据的内容要丰富（频带要宽），能够充分激励要建模系统的特性。

实验统计建模方法：基于实验数据的建模方法（白箱、灰箱、黑箱）。

辨识建模：线性、非线性，动态、静态。

统计回归：一般是静态的线性模型。

神经网络：理论上可以对任何数据建模，但学习算法是关键。

模糊方法：用模糊数学语言描述系统某些特征和内在联系。

1.2.1.3　混合建模

混合建模（机理+数据）：通过机理分析确定模型结构，用测试或实验数据确定模型参数。

面向对象建模方法就是一种混合建模的思路，将“数据”和“机理”集成到一个称为对象的结构中，消除了数据和过程的人为分离情况。面向对象建模方法所创建的模型称为对象模型。随着面向对象技术的不断发展和应用，形成了面向对象的建模标准和语言，即统一建模语言（United Modeling Language，UML）。