6、计算机模拟的特性与应用

计算机模拟的特性与应用

在当今科技发展的浪潮中，计算机模拟作为一种重要的研究手段，正逐渐展现出其独特的魅力和价值。本文将深入探讨计算机模拟的相关特性，包括对现有数据的需求、线性与否、拟合优度、意外性以及模型行为等方面，并通过具体的例子进行详细阐述。

1. 计算机模拟对现有数据的需求

在模型构建领域，不同类型的模型对现有数据的依赖程度有所不同。数据模型完全依赖于预先存在的测量数据来构建模型。例如，在进行市场趋势分析时，需要收集大量的历史销售数据、价格数据等，才能构建出有效的数据模型。而数学模型在一定程度上放宽了对现有数据的依赖，它通常基于现有数据进行构建，但之后可以用于对尚未观察到的现象进行预测。比如，通过对天体运动的部分观测数据，利用数学模型可以预测未来天体的位置。

计算机模拟模型则进一步放宽了对预先存在测量数据的需求。在某些情况下，计算机模拟可以像数学模型一样，基于预先存在的测量数据创建。例如，利用口头协议作为原始材料来创建生产系统模型，之后该模型可以用于做出新颖的预测。以语音识别系统为例，通过收集大量的语音样本和对应的文字信息，构建计算机模拟模型，该模型可以对新的语音进行识别和转换。

更有甚者，如PDP模拟示例，在蘑菇分类问题中，Dawson等人（2000）在没有任何关于人类如何解决蘑菇分类问题的知识的情况下，成功构建了网络。这表明计算机模拟并不绝对需要预先存在的测量数据才能创建，这与心理学中常见的其他类型的模型（如数据模型或数学模型）有很大的不同。

2. 计算机模拟的线性特性

数据模型通常是线性的。以回归分析为例，它使用预测变量值的线性总和来估计因变量的值。在研究学生成绩与学习时间的关系时，可能会使用线性回归模