МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В ЭКОЛОГИИ: ВИДЫ, ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ

Развитие экологии как междисциплинарной науки связано с необходимостью решения новых, ранее неизвестных задач. На всех этапах своего развития экология изучала взаимодействия организмов с окружающей средой. С середины XX века экология активно изучает взаимодействие человека и общества со средой обитания; особенно активно развиваются прикладные области – экологический мониторинг и охрана окружающей среды. Влияние антропогенных процессов всё сильнее сказывается на природном равновесии и устойчивости экологической системы. Появляется потребность в прогнозировании и изучении рисков человеческого вмешательства. Не отошла на второй план и область всестороннего исследования экосистем. Все изучаемые экологией системы, как природные, так и техногенные относятся к сложным, динамическим системам. Одним из наиболее эффективных способов изучения сложных систем является математическое моделирование.

Суть этого метода состоит в том, что на основе реальной системы составляется математическая модель (искусственная система как упрощенный вид реальной системы). Изменяя некоторые параметры системы на входе, изучают, какие последствия наступят для данной системы т.е как повлияют изменения на выходные данные[1].

Основные классы математических моделей

Классифицировать математические модели можно по-разному. В.В. Налимов [2] делит математические модели в биологии на два класса - теоретические (априорные) и описательные (апостериорные). модели можно разделить на четыре класса по признаку используемых методов исследования (Рисунок 1).

Рисунок 1. Классификация математических моделей в экологии

Эмпирико-статические один из классов математических моделей, активно используемых в экологии. Они объединяют в себе два метода: эмпирическое познание и математическую статистику. Первый метод позволяет экспериментально установить, какие внешние воздействия оказывают влияние на исследуемый объект. Второй на большом числе проведённых экспериментов определяет, какое из воздействий играет набольшую роль, а каким можно пренебречь. Часто эмпирико-статические модели являются сырьём для имитационных. Данный тип моделирования применяется для оценки достоверности гипотез и структурирования информации.

Аналитические модели – модели, основанные на математических формулах. Процессы работы таких моделей описаны алгебраическим соотношением либо логическими условиями. Следует отметить, что при моделировании сложных объектов такие модели не эффективны. Поэтому чаще всего выделяют наиболее значимые свойства, пренебрегая теми, которые относительно мало важны для эксперимента над экосистемой. Аналитические модели используют для поверхностных или первичных исследований, для охвата максимального числа экосистем.

Создание имитационных моделей – один из основных способов математического моделирования. Целью построения имитаций является максимальное приближение модели к конкретному (чаще всего уникальному) экологическому объекту и достижение максимальной точности его описания. Имитационные модели претендуют на выполнение как объяснительных, так и прогнозных функций, хотя выполнение первых для больших и сложных имитаций проблематично (для удачных имитационных моделей можно говорить лишь о косвенном подтверждении непротиворечивости положенных в их основу гипотез).

Сейчас все более актуальными становятся методы с использованием искусственного интеллекта. Искусственный интеллект ИИ обычно трактуется как свойство автоматических систем брать на себя отдельные функции мыслительной способности человека, например, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий [3]. Речь идет, в первую очередь, о системах, в основу которых положены принципы обучения, самоорганизации и эволюции при минимальном участии человека, но привлечении его в качестве учителя и партнёра, гармоничного элемента человеко-машинной системы.

Проблемы математического моделирования в экологии

Недостатки математических моделей чаще всего кроются в невозможности произвести открытия с помощью одного только моделирования. Любые новые свойства, найденные в вычислительном эксперименте, требуют подтверждения в эксперименте реальном. И если их результаты не совпадают, то чаще всего это говорит о несовершенстве модели и требуется её уточнение.

Достоверность статистических моделей сильно зависит от эмпирической базы исследования, на которое основывалось построение модели. Банальная повторение случайности в нескольких подряд экспериментов поставит «моделиста» на ложный путь. Поэтому требуется проведение достаточного большого числа экспериментов, для получения чистой модели, что не всегда возможно.

Наконец моделирование сложных экосистем требует значительных вычислительных мощностей и может занять длительное время для «прогона» на компьютере. [5]

Перспективы математического моделирования в экологии

Экспоненциально возрастающие вычислительные мощности компьютерных технологий, позволят моделировать всё большее количество сложных систем. Осуществится массовый переход от частного моделирования экосистем, к полноценному, когда можно будет учесть особенности огромных регионов, если не целой планеты. Возможно именно тогда и будут устранены вышеописанные недостатки. Станет возможным проводить полноценные исследования, используя только математическое моделирование.

Кроме того, новой тенденцией может стать создание искусственных экосистем для отработки технологий колонизации и терраформирования, которые будут необходимы для освоения Марса и других планет[4].

Значимой перспективой является также прогнозирование состояния окружающей среды на основе динамического анализа всех имеющихся данных. Это позволит не только оперативно решать сложные проблемы, но и решить их до того, как они станут угрозой. Даже в случае чрезвычайных ситуаций, когда их нельзя было предвидеть заранее, можно будет быстро найти метод их решения. Такие прогнозы и решения возможны при использовании систем на основе искусственного интеллекта, которые повсеместно будут внедрятся в обществе.

Математическое моделирование как один из инструментов исследований в экологии уже сейчас играет существенную роль. В будущем она будет только возрастать, пока не станет практически доминирующим методом научного исследования.

Основными методами математического моделирования в экологии, как, впрочем, и во многих других научных областях, с большой вероятностью станут методы, использующие ИИ и нейросети, однако другие методы хоть и утратят свою доминирующую роль, но всё же будут эффективны как средства обучения и на начальных, оценочных и описательных этапах исследования систем.

Список литературы:

1. Г.Ю.Ризниченко Экология математическая [электронный ресурс] url:  http://www.library.biophys.msu.ru/MathMod/EM.HTML  (дата обращения 07.12.2017)
2. Классификация математических моделей и методов моделирования [электронный ресурс] url: https://vuzlit.ru/453252/klassifikatsiya_matematicheskih_modeley_metodov_modelirovaniya (дата обращения 07.12.2017)
3. Искусственный интеллект [электронный ресурс] url: http://www.tadviser.ru/index.php/Продукт:Искусственный_интеллект_(ИИ,_Artificial_intelligence,_AI)  (дата обращения 07.12.2017)
4. Эксперименты по моделированию замкнутой экосистемы: “Биос 3” и “Биосфера 2” [электронный ресурс] url: https://aboutspacejornal.net/2017/06/05/эксперименты-по-моделированию-замкн (дата обращения 07.12.2017)
5. Новосельцев В.Н. ДОСТОИНСТВА И НЕДОСТАТКИ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ // Фундаментальные исследования. – 2004. – № 6. – С. 121-122