Введение

Higher mathematics and system modeling sound intimidating, but they are simply tools for understanding how things behave and interact — from traffic on Sovetskaya Street to how the Desna river rises after spring rains. This article explains the core ideas in plain language, gives concrete demonstrations you can do with everyday materials (or a spreadsheet), and uses memorable analogies so the concepts stick. Examples are chosen with Bryansk and its surroundings in mind.

Что такое «higher mathematics» и «system modeling»?

— *Higher mathematics* — это набор строгих методов (алгебра, анализ, probability, linear algebra), которые помогают описывать и предсказывать поведение систем.
— *System modeling* — построение упрощённой версии реальной системы (городская транспортная сеть, лесной участок, завод) в виде чисел, уравнений или правил, чтобы понять, как она будет вести себя при изменении условий.

Главная идея: модель — это «картинка» реальности, но не про неё заменяющая. Хорошая модель проста, объяснима и полезна.

Наглядные аналогии (помогают запомнить)

— Рецепт в кулинарии: ингредиенты — переменные, пропорции — параметры, духовка — среда. Маленькое изменение в ингредиентах может сильно изменить вкус — как чувствительность моделей к параметрам.
— Вязанье: каждый стежок — дискретный элемент; паттерн — алгоритм. Большая вещь строится из простых повторяющихся правил.
— Оркестр: инструмент = переменная, дирижёр = управляющий параметр; мелодия — результат согласованного поведения.
— Лего-город: блоки — агенты (люди, машины), правила соединения — модель взаимодействий.

Почему это важно для Брянска

— Прогноз паводков на реке Десна: модели помогают предсказывать уровень воды и планировать меры защиты.
— Управление транспортом: моделирование потока транспорта помогает оптимизировать светофоры и маршруты автобусов.
— Лесное хозяйство и борьба с вредителями: модели распространения заболеваний в лесу помогают принимать превентивные меры.
— Малый бизнес и логистика: оптимизация поставок для местных производителей (например, пищевой промышленности) экономит ресурсы.

Основные понятия в простых словах

— Переменная — то, что меняется (температура, число машин, уровень воды).
— Параметр — настройка модели (скорость течения, средняя скорость автомобиля).
— Состояние системы — набор значений всех переменных в момент времени.
— Детерминированная vs стохастическая модель — предсказуемая (без случайности) против содержащей случайные элементы.
— Динамическая модель — показывает, как система меняется во времени.

Практические демонстрации (делайте в классе, дома или на учёбе)

Ниже — простые проекты, которые не требуют сложного оборудования. Для вычислений подойдёт бумага и карандаш, Excel/Google Sheets или бесплатный Python (если хотите).

1) Модель паводка (приблизительная, для школьного уровня)
— Цель: понять, как приток воды и отток влияют на уровень реки.
— Материалы: таблица Excel/Google Sheets, исторические уровни Десны (можно взять из открытых источников), калькулятор.
— Шаги:
— В столбцах укажите: день t, приток(t) (осадки/таяние), отток(t) (пропорция от уровня), уровень(t+1) = уровень(t) + приток(t) − отток(t).
— Задайте формулу оттока = k * уровень(t), где k — коэффициент стока (например, 0.1).
— Поэкспериментируйте: увеличьте приток на несколько дней (моделируя ливень) и посмотрите, когда уровень достигает критической отметки.
— Что показывает: почему кратковременные сильные дожди могут вызвать резкий подъём уровня.

2) SIR-модель для распространения простого заболевания (на уровне понятия)
— Цель: показать, как эпидемии растут и замедляются.
— Концепция: население делим на Susceptible (S), Infected (I), Recovered (R).
— Простые правила:
— Новые заражения ~ β * S * I
— Выздоровления ~ γ * I
— Материалы: бумага/таблица.
— Шаги:
— Задайте начальные S, I, R (например, S=999, I=1, R=0), β и γ.
— Для каждого дня пересчитывайте: Snew = S − β*S*I/N, Inew = I + β*S*I/N − γ*I, Rnew = R + γ*I.
— Посмотрите, как разные β (скорость заражения) и γ (выздоровление) меняют пик эпидемии.
— Применение в Брянске: моделирование локальных вспышек, планирование вакцинации/мер предосторожности.

3) Модель потока транспорта (агентная, настольная версия)
— Цель: понять пробки и влияние изменений маршрута.
— Материалы: клетчатая бумага (карта небольшой улицы), фишки или монеты (машины), правила движения.
— Правила:
— Каждая машина движется вперед, если клетка перед ней свободна; если нет — ждёт. Включите правила поворота, светофора (каждые N ходов зелёный/красный).
— Эксперимент:
— Поставьте входной поток (новые машины каждые t шагов), измените период светофора или добавьте дополнительную полосу — посмотрите, как меняются очереди.
— Что показывает: эффект небольших изменений инфраструктуры на поток.

4) Простейшая линейная регрессия (на примере температуры и энергопотребления)
— Цель: найти простую зависимость между двумя величинами.
— Материалы: Excel/Google Sheets, данные (температура и расход газа/электричества за дни).
— Шаги:
— Соберите данные за 30 дней.
— Постройте график «расход vs температура», примените функцию линейной регрессии