Введение
Higher mathematics and system modeling may sound abstract, but they are simply powerful ways to understand, predict, and improve real systems — from river floods to school epidemics, traffic at intersections, and air quality in Bryansk. In plain language: higher math is a toolbox; system modeling is using the right tool to build a small, testable model of a real problem.
Почему это важно для Брянска
— Bryansk has distinct local challenges: the Desna river dynamics, urban traffic, industrial emissions, and public-health logistics.
— Even simple mathematical models help city planners, engineers, school administrators, and active citizens make better decisions without needing a supercomputer.
— Local data sources (municipal open data, Bryanskstat, hydrology reports, weather services) make practical modeling possible and relevant.
Простая структура моделирования (4 шага)
1. Определить цель — Что хотим знать? (Например: когда река может выйти из берегов? сколько больных через 2 недели?)
2. Собрать данные — время, количество людей, уровни воды, машин, ветра, выбросов.
3. Построить простую модель — математическая формула или таблица, которые связывают входы и выходы.
4. Проверить и улучшить — сравнить с наблюдениями и скорректировать.
Полезные аналогии (чтобы не бояться формул)
— Математика — это набор инструментов в ящике (линейная алгебра, дифференциальные уравнения, статистика).
— Уравнение — карта: показывает, куда и как идёт система.
— Производная — спидометр: показывает, как быстро меняется величина.
— Интеграл — вёдро: сколько всего накопилось за время.
— Матрица — таблица трансформаций или «переключатель» между переменными.
— Собственные значения (eigenvalues) — естественные ноты системы: если вы ударите систему, как она будет вибрировать?
Практические демонстрации (простым языком)
1) Модель распространения болезни — SIR (на примере городского района)
Идея: население делится на Susceptible (S) — восприимчивые, Infected (I) — заразные, Recovered (R) — выздоровевшие.
Дискретный шаг (каждый день):
— Новые_инфицированные = beta * S * I / N
— Новые_выздоровевшие = gamma * I
— Обновление:
S_new = S — Новые_инфицированные
I_new = I + Новые_инфицированные — Новые_выздоровевшие
R_new = R + Новые_выздоровевшие
Пример для небольшого района N = 50 000:
— Начало: I=10, S=49 990, R=0
— Параметры: beta=0.3 (контактный коэффициент), gamma=0.1 (выздоровление ≈10 дней)
— Интерпретация: каждое заражённое в среднем заражает R0 = beta/gamma = 3 человек
Как считать без программирования:
— В Excel заведите столбцы День, S, I, R.
— В первой строке задайте начальные значения.
— В каждой следующей строке используйте формулы выше.
— Наблюдайте график I по дням — увидите волну инфекции.
Почему это полезно для Брянска: можно смоделировать закрытие школы, вакцинацию (уменьшает S), или меры, снижающие beta (маски, дистанция).
Важное предупреждение: модель упрощённая и не даёт медицинских предписаний — она показывает тренды и чувствительность к параметрам.
2) Трафик на перекрёстке — очередь M/M/1 (очень простая оценка)
Простая очередь моделирует поток автомобилей:
— λ (лямбда) — средняя скорость прихода машин, маш/мин.
— μ (мю) — средняя скорость обслуживания (проезд через перекрёсток), маш/мин.
— Загрузка ρ = λ/μ.
Если λ < μ, среднее время ожидания в системе W ≈ 1 / (μ − λ) минут (упрощённая формула для M/M/1).
Пример:
— λ = 20 маш/мин, μ = 25 маш/мин → W ≈ 1/(25−20)=0.2 мин = 12 сек среднее время в системе.
— Что изменить: увеличить пропускную способность (μ), уменьшить поток (λ) — регулирование светофора, маршрутизация.
Для Брянска: такие оценки помогают выбирать длительность зелёного сигнала до полного моделирования с симуляцией.
3) Простейшая регрессия: PM2.5 vs трафик и погода
Идея: объяснить вариации загрязнения простыми факторами.
Модель: PM2.5 = a + b * Traffic + c * WindSpeed + error
Как работать:
— Соберите данные: ежедневное PM2.5 (с станции), интенсивность трафика (с счётчиков/камера) и скорость ветра (метео).
— В Excel или R сделайте линейную регрессию — получите коэффициенты a, b, c.
— Интерпретация: b показывает, на сколько µg/m3 увеличится PM2.5 при росте трафика на 1 единицу, при прочих равных.
Практическая польза: можно оценить вклад транспорта в загрязнение и найти выгодные меры (например, ограничения в пиковые часы).
