FTE R1: نسبت تلفات به تبادل

4-11 تعیین اعتبار
یکی از روش‌های تجزیه و تحلیل، شناخت وضع موجود و بهبود عملکرد سیستم‌ها، شبیه‌سازی است. بر خلاف بسیاری از علوم فنی که می‌توانند بر حسب رشته‌ای که منشا آن‌ها است رده بندی شوند (مانند فیزیک یا شیمی)، شبیه‌سازی در تمام رشته‌ها قابل استفاده است. انگیزه اصلی شبیه‌سازی ریشه در برنامه‌های فضایی دارد، اما امروزه شبیه‌سازی، می‌تواند زمینه کاربردهای وسیعی را شامل شود. شبیه‌سازی یکی از پرقدرت‌ترین و مفیدترین ابزارهای تحلیل عملکرد فرآیندهای پیچیده سیستم‌ها است.
از شبیه‌سازی تعاریف زیادی ارائه شده است. اما جامع‌ترین و کامل‌ترین تعریف را شانون ارائه داده است. شانون شبیه‌سازی را چنین تعریف می‌کند: «شبیه‌سازی عبارت است از فرآیند طراحی مدلی از سیستم واقعی و انجام آزمایش‌هایی با این مدل است که با هدف پی بردن به رفتار سیستم، یا ارزیابی استراتژی‌های گوناگون (در محدوده‌ای که به وسیله معیار و یا مجموعه‌ای از معیارها اعمال شده است) برای عملیات سیستم، صورت می‌گیرد.» بنابراین در می‌یابیم که فرآیند شبیه‌سازی، هم شامل ساختن مدل و هم شامل استفاده تحلیلی از آن برای مطالعه یک مساله است. در تعریف فوق، سیستم واقعی به معنای سیستمی که وجود دارد یا قابلیت ایجاد شدن را دارد، به کار رفته است.[120]
اصولا شبیه‌سازی در مواردی که حل تحلیلی یک مدل امکان پذیر نباشد و یا در مواردی که نیاز است، آزمایش‌های متعددی بر روی یک مدل صورت گیرد، به کار می‌رود. بنابراین در حل مدل‌هایی که در آن‌ها از تکنیک برنامه‌ریزی پویا و یا بهینه سازی بر روی مدل‌های غیرخطی که از طریق تحلیلی قابل حل نیستند، می‌توان از آن استفاده کرد و بدین ترتیب شبیه‌سازی به اقتصاددانان و متخصصان سایر علوم این امکان را می‌دهد که به همان طریقی که فیزیک‌دانان در آزمایشگاه خود تجربه کسب می‌کنند، آن‌ها نیز از مدل‌سازی و شبیه‌سازی به صورت یک آزمایشگاه که در آن تصمیمات گوناگون تجربه می‌شود، بهره گیرند.
شبیه‌سازی کامپیوتری معمولا از 6 مرحله تشکیل شده است که بر حسب پیچیدگی یا سادگی میزان زمان و دقتی که در هر مرحله به کار می‌رود، متفاوت است:[121]
1-فرموله کردن مساله یا هدف
2-فرموله کردن مدل
3-فرموله کردن برنامه کامپیوتری
4-احراز اعتبار[122]
5-طراحی آزمایشی[123]
6-تجزیه و تحلیل آماری جواب‌ها[124]
بنابراین با استفاده از شبیه‌سازی، ابتدا با ساده‌سازی روابط پیچیده در سیستم واقعی و با کنار هم قرار دادن روابط برای مدل سازی، به بررسی و آزمون سیاست‌های مختلف و محاسبه آثار آن ها با استفاده از کامپیوتر می‌پردازیم؛ در نهایت بهترین تصمیم بر اساس نتایج حاصل و همچنین عملکرد سیستم واقعی اتخاذ خواهد شد.
4-11-1 اعتبار مدل
“اعتبار و قابل اتکا بودن مدل مشکلی است که مدل‌سازان همواره با آن مواجه‌اند. یک مدل فقط باید برای هدف خاصی ایجاد شود و کفایت یا اعتبار آن تنها بر حسب آن هدف مورد ارزیابی قرار گیرد. هدف ما ساختن مدلی است که همان مسائل و ویژگی‌های رفتاری سیستم مورد مطالعه را شبیه‌سازی کند. ارزیابی یک مدل، به معنای ارائه یک سطح اطمینان قابل قبول برای این است که استنتاج‌های حاصل از عملکرد مدل، صحیح بوده، قابل تطبیق با واقعیت باشد. بنابراین تعیین اعتبار یک مفهوم درجه‌ای است که نمی‌توان بر اساس آن بیان کرد یک مدل معتبر است یا معتبر نیست.”[125]
در کل رویکردهای موجود در اعتبار سنجی مدل‌های سیستمی را می‌توان در دو قالب کلی قرار داد:
رویکرد اول اعتبار مدل از جهت ساختار، اجزا و عناصر مدل و تناظر آن‌ها با سیستم واقعی، مورد آزمون قرار می‌گیرد. این رویکرد، رویکردی مفهومی و ساختاری است و به تبع آن، آزمون‌های یک مدل شبیه‌سازی از این طریق کیفی هستند.
رویکرد دوم در اعتبار سنجی مدل بر پایه درجات تشابه رفتار شبیه‌سازی شده توسط مدل با رفتار مشاهده شده یا مورد انتظار از مدل در دنیای واقعی متکی است. این نوع تعیین اعتبار، اعتبار سنجی رفتاری است که اغلب بر پایه روش‌ها و معیارهای کمی قرار دارد.
نکته‌ای که توجه به آن ضروری است، این است که کاربرد روش‌های کمی در آزمون اعتبار مدل های سیستمی تا حدی محدود است، چون هدف مدل سازی سیستمی در اکثر موارد پیش بینی الگوی رفتاری متغیرهای هدف است نه برآورد مقدار دقیق آن‌ها. به عبارت دیگر وقتی مدل معتبر است که بتوان با اطمینان از آن برای تحلیل مساله مورد نظر بهره جست. قبل از بیان روش‌های تعیین اعتبار مدل لازم است به بیان فروض اساسی در فرآیند اجرای شبیه‌سازی پرداخته شود.
4-11-2 فروض اساسی مدل
1- سال پایه و دوره شبیه سازی: در این مطالعه دوره زمانی 1387-1404 برای شبیه سازی انتخاب گردیده است. انتخاب یک دوره زمانی هیجده ساله برای شبیه سازی مدل از آن جهت است که معمولا در شبیه سازی با افزایش طول دوره شبیه سازی، خطای مقادیر شبیه سازی شده به دلیل ماهیت دینامیکی روابط به کار رفته در آن به تدریج افزایش می‌یابد و این امر منجر به استخراج نتایج نادرستی از شبیه سازی انجام شده می‌گردد.
2- مبنای شبیه سازی: بر اساس روابط و معادلاتی است که در چارچوب نظریات اقتصادی و با استفاده از آمارهای دوره زمانی 1387-1389 که معادله آن با روش LS در محیط پانل برآورد می شود.
3- ساختار مدل: ساختار مدل از سه بخش تشکیل شده است.
4- متغیرهای برون‌زا: متغیرهای برون‌ز

ای مدل که در این فصل به آن اشاره شد، بر اساس آمارهای موجود به صورت داده در اختیار مدل قرار می‌گیرد.
4-12 انتخاب گام زمانیDT[126]
یکی از نکاتی که در طراحی مدل باید به آن توجه کرد، اجتناب از خطاهای محاسباتی است که در شبیه سازی مدل رخ می‌دهند و به میزان زیادی بر اعتبار مدل تاثیر می‌گذارند. در مدل‌های سیستمی روابط موجود در مدل به صورت تابعی پیوسته از زمان تدوین می‌شوند و در حل آن‌ها از روش‌های انتگرال گیری استفاده می‌شود که استفاده از آن‌ها به میزان دقتی که در شبیه سازی مورد انتظار است، بستگی دارد. تعیین گام زمانی مناسب از عوامل مهمی است که در بازسازی رفتار مدل نقش به‌سزایی دارد. مفهوم گام زمانی، مقدار زمانی است که محاسبه متغیرهای مدل مجددا صورت می‌گیرد. برای تعیین مقدار مناسب ابتدا هر بار مقدار DT را کاهش می‌دهیم و این عمل را تا آن‌جا ادامه می‌یابد که نتایج شبیه سازی مدل تغیر محسوسی ننماید و به مقدار مشخصی میل کند. با تعیین روش انتگرال گیری و تعیین DT مناسب می‌توان اطمینان حاصل کرد که خطای محاسباتی مدل به حداقل کاهش خواهد یافت. دلیل دیگر انتخاب این متغیر، خطای بسیار پایین آن در شبیه سازی مدل می‌باشد که موجب می‌شود دقت انتخاب برای گام زمانی افزایش یابد. از این رو برای تعیین DT مناسب مدل، اثر DT های متفاوت بر متغیر فوق برای تعیین گام زمانی مناسب بررسی می‌شود. با توجه به جدول زیر مقایسه نتایج DTهای متفاوت و همین طور معیارهای درصد خطای شبیه سازی، ضرایب همبستگی بین مقادیر شبیه سازی شده و مقادیر واقعی آن‌ها که در ادامه به آن‌ها نیز خواهیم پرداخت، گام زمانی برابر با (4/1=25/0) سال برای مدل انتخاب شده است.
جدول(4-5) انتخاب DT