Modell-Einstellungen

Die Modell-Einstellungen legen grundlegende Parameter und Metadaten des gesamten Modells fest, unter anderem Modellname, Beschreibung, Definition des Simulationszeitraums und die, für das ganze Modell wirksamen, Funktionsbeschreibungen.

Eingabefelder	Art der Eingabe	Zweck
Start	Numerischer Wert (Integer)	Startzeitpunkt in der gewählten Zeiteinheit
Zeitspanne	Numerischer Wert (Integer)	Zeitraum, über die die Simulation laufen soll
Intervall	Numerischer Wert	Zeitschritte des Simulationszeitraumes
Einheit	Numerischer Wert (Auswahloption)	Definition der zeitlichen Dimension
Algorithmus	Euler oder RK4	Berechnungsverfahren, abhängig von der Komplexität des Modells
Globals & Makros	Funktionen	Funktionsbeschreibungen, die für das gesamte Modell gelten

Berechnungsverfahren

Beim Urban Model Builder gibt es zwei grundlegende Berechnungsverfahren, die unter den globalen Modelleinstellungen ausgewählt werden können. Zum einen das Euler-Verfahren (Euler) und zum anderen das Runge-Kutta-Verfahren (RK4). Im Folgenden werden kurz diese beiden Berechnungsalgorithmen erläutert.

Euler-Verfahren

Beschreibt eine einfache, numerische Methode zur Lösung von Differentialgleichungen. In System Dynamics Modellen wird es verwendet, um die Zeitentwicklung dynamischer Systeme zu simulieren. Das einfache Euler-Verfahren berechnet den zukünftigen Wert einer Variablen x auf Basis ihres aktuellen Wertes und ihrer Änderungsrate:

$$x(t + \Delta t) = x(t) + \Delta t \cdot \frac{dx}{dt}(t)$$ $$\begin{aligned} x(t) & : \text{Aktueller Wert der Zustandsgröße (Stock)} \\ \Delta t & : \text{Zeitschritt} \\ \frac{dx}{dt}(t) & : \text{Änderungsrate} \end{aligned}$$

Runge-Kutta-Verfahren

Beschreibt ein präziseres numerisches Verfahren zur Lösung von Differentialgleichungen im Vergleich zum Euler-Verfahren. Das Euler-Verfahren nutzt den aktuellen Wert der Änderungsrate, um den nächsten Zustand zu erreichen. Das Runge-Kutta- Verfahren (hier 4. Ordnung) verwendet mehrere Schätzungen der Änderungsrate innerhalb des Zeitschritts und kombiniert diese, um eine genauere Prognose zu erstellen. Besonders bei komplexen Modellen oder längeren Zeithorizonten ist dieses Berechnungsverfahren zu empfehlen.