สโตชเอสดี
นักพัฒนา	ลีฟ, เอริค และแมกนัส กุสตาฟส์สัน
ปล่อย	15 พฤษภาคม 2560 ( 15 พฤษภาคม 2017 )
เวอร์ชันเสถียร	2 มกราคม 2022 / 2 มกราคม 2022 ( 2 มกราคม 2022 )
เขียนเป็น	โค้ด JavaScript
ระบบปฏิบัติการ	วินโดวส์ , มอสซาเรลล่า , ลินุกซ์
พิมพ์	พลวัตของระบบที่มีส่วนขยายเชิงสุ่ม
ใบอนุญาต	GNU Affero ใบอนุญาตสาธารณะทั่วไป
เว็บไซต์	stochsd .sourceforge .io
ที่เก็บข้อมูล	github.com/stochsd/stochsd​​​

StochSD ^{[ 1 ]} ( Stochastic System Dynamics ) เป็นแพ็กเกจการจำลองระบบต่อเนื่อง (CSS) แบบโอเพนซอร์สฟรีที่ออกแบบมา สำหรับแบบจำลองขนาดเล็กและขนาดกลางในการศึกษา การศึกษาด้วยตนเอง และการวิจัย ในทางเทคนิค StochSD ใช้เอนจิน Insight Maker ^{[ 2 ]} ที่มีตัวแก้ DEไลบรารีฟังก์ชัน ตัวตรวจสอบข้อผิดพลาด ฟังก์ชันมาโคร ฯลฯ ในขณะที่การออกแบบ อินเทอร์เฟซผู้ใช้แบบกราฟิก องค์ประกอบการสร้าง การนำเสนอผลลัพธ์ การจัดการไฟล์ การตรวจสอบลิงก์ ฯลฯ นั้นแตกต่างกัน นอกจากนี้ยังมีเครื่องมือสำหรับการวิเคราะห์ความไวและการเพิ่มประสิทธิภาพโดยมีหรือไม่มีข้อจำกัด โดยเฉพาะอย่างยิ่ง StochSD มีคุณสมบัติสำหรับการสร้างแบบจำลองเชิงสุ่ม การวิเคราะห์หลังการจำลองหลายครั้ง และการนำเสนอผลลัพธ์ในรูปแบบทางสถิติ

การออกแบบและพัฒนาระบบ StochSD ดำเนินการในช่วงปี 2017–2022 โดยได้รับการสนับสนุนจากมหาวิทยาลัยอุปซาลาสถาบันคาโรลินสกาและมหาวิทยาลัยวิทยาศาสตร์การเกษตรแห่งสวีเดน

StochSD ถูกออกแบบมาเพื่อตอบสนองวัตถุประสงค์สองประการดังนี้:

• เพื่อจัดหาภาษา CSS แบบโอเพนซอร์สตามปรัชญา System Dynamics ^{[ 3 ] [ 4 ] [ 5 ]}ซึ่งระบบจะถูกอธิบายในแง่ของสต็อก (ช่อง) และการไหล และให้ความสำคัญกับแง่มุมทางการสอน ความง่ายในการใช้งาน และความเข้าใจ
• เพื่อให้โมเดลมาโคร (CSS) ใน StochSD สามารถสร้างผลลัพธ์ที่สอดคล้องกันอย่างสมบูรณ์ (กล่าวคือ ปราศจากความขัดแย้ง) กับผลลัพธ์จากโมเดลไมโคร ( การจำลองเหตุการณ์แบบไม่ต่อเนื่อง (DES)หรือการจำลองตามตัวแทน ) ของระบบที่กำหนดไว้อย่างชัดเจนภายใต้การศึกษา ปัญหาความสอดคล้องกันแบบเก่านี้ได้รับการแก้ไขทีละขั้นตอนระหว่างปี 2000 ถึง 2010 ^{[ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ]}คุณสมบัตินี้เรียกว่าการสร้างแบบจำลอง CSS ที่มีศักยภาพเต็มที่ดูด้านล่าง

เพื่อสนับสนุนการใช้งานด้านการศึกษาและการเรียนรู้ด้วยตนเอง แพ็กเกจ StochSD รวมถึงสื่อการเรียนการสอนสำหรับหลักสูตรการสร้างแบบจำลองและการจำลอง CSS แบบคลาสสิกและ CSS ที่มีศักยภาพเต็มรูปแบบ มีให้บริการที่เว็บไซต์ StochSD สื่อการเรียนการสอนนี้ประกอบด้วยการบรรยาย แบบฝึกหัดในห้องปฏิบัติการ แบบจำลองเชิงการสอน และคู่มือ StochSD ซึ่งส่วนใหญ่มาจากเนื้อหาที่พัฒนาขึ้นที่มหาวิทยาลัยอุปซาลาและมหาวิทยาลัยวิทยาศาสตร์การเกษตรแห่งสวีเดนสำหรับหลักสูตรการสร้างแบบจำลองและการจำลอง

StochSD ถูกดาวน์โหลดในหลายประเทศจากทุกทวีป^{[ 11 ]}และยังสามารถเรียกใช้โดยตรงในเว็บเบราว์เซอร์ (ซึ่งไม่มีสถิติ) มีการอธิบาย เปรียบเทียบ และอภิปราย^{[ 12 ] [ 13 ] [ 14 ] [ 15 ] [ 16 ]}สาธิตในวิดีโอเพื่อการศึกษา^{[ 17 ] [ 18 ] [ 19 ] และ ยัง มี}การอ้างอิงในหลายภาษา^{[ 20 ] [ 21 ] [ 22 ]}

แนวคิด CSS ศักยภาพเต็มรูปแบบเป็นส่วนขยายของการจำลองระบบต่อเนื่องแบบคลาสสิก ซึ่งให้กฎเพื่อให้ผลลัพธ์จากการสร้างแบบจำลองระดับมหภาคสอดคล้องกับผลลัพธ์จากการสร้างแบบจำลองระดับจุลภาค^{[ 6 ] [ 7 ] [ 8 ] [ 9 ]}

โดยสรุป นอกจากการสร้างแบบจำลองและการจำลองการไหลอย่างต่อเนื่องระหว่างสต็อกที่แสดงด้วย 'จำนวนจริง' แล้ว StochSD ยังสามารถจัดการกับการเปลี่ยนแปลงของเอนทิตีแบบไม่ต่อเนื่องด้วยจำนวนเต็มได้อีกด้วย แต่ในทางตรงกันข้ามกับการรวมเอนทิตีแต่ละรายการเข้าในแบบจำลอง CSS StochSD จะรักษาแนวทางมาโครแบบรวมสำหรับเอนทิตีแบบไม่ต่อเนื่องโดยการถ่ายโอนเอนทิตีจำนวนเต็ม (เช่น การมาถึง อุบัติเหตุ การเสียชีวิต) ในช่วงเวลาหนึ่ง^{[ 6 ]}อย่างไรก็ตาม การเปลี่ยนแปลงดังกล่าวอาจเกิดขึ้นอย่างไม่สม่ำเสมอเมื่อเวลาผ่านไป ดังนั้นความสุ่มจึงมักมีบทบาทสำคัญในการสร้างแบบจำลอง ดังนั้น StochSD จึงมีฟังก์ชันสุ่มที่มีประสิทธิภาพเพื่อสร้างแบบจำลองความไม่แน่นอนประเภทต่างๆ รวมถึงอุปกรณ์ในการรวบรวมสถิติในระหว่างการจำลองและจากการจำลองแบบหลายครั้งของแบบจำลองสุ่มเดียวกัน^{[ 1 ]}ใน StochSD การสร้างและการจำลองแบบจำลองคิว^{[ 7 ]}หรือแบบจำลองแบบไม่ต่อเนื่องและต่อเนื่อง ที่รวมกัน ^{[ 10 ]}จะทำในลักษณะที่ตรงไปตรงมา (ดูตัวอย่างด้านล่าง)

แนวคิดศักยภาพเต็มรูปแบบยังรวมถึงกฎเกณฑ์เกี่ยวกับวิธีการขยายขั้นตอนให้กลายเป็นโครงสร้างของสต็อกและกระแสเพื่อสร้างการกระจายเวลาการพำนักที่เฉพาะเจาะจง วิธีการจัดการคุณลักษณะ และควรนำความไม่แน่นอนประเภทต่างๆ (ความไม่แน่นอนเชิงโครงสร้าง การเปลี่ยนผ่าน ค่าเริ่มต้น พารามิเตอร์ และสัญญาณ) ไปใช้ที่ไหนและอย่างไร^{[ 9 ]}

แบบจำลองผู้ล่า-เหยื่อแบบต่อเนื่อง^{[ 23 ] [ 24 ]}และแบบจำลองแบบผสมที่มีเหยื่อแบบต่อเนื่อง (เช่น X = หญ้า) และผู้ล่าแบบไม่ต่อเนื่อง (เช่น Y = แกะ) รวมถึงการจำลองแบบจำลองแบบผสมจะแสดงไว้ด้านล่าง

แบบจำลองต่อเนื่อง

${\displaystyle {\begin{array}{lll}X(t+DT)=X(t)+DT\cdot (F1-F2-F3)&{\text{(หญ้าต่อเนื่อง)}}\\F1=a\cdot X&{\text{(การผสมพันธุ์)}}\\F2=b\cdot X\cdot Y&{\text{(ถูกล่า)}}\\F3=c\cdot X\cdot X&{\text{(การแข่งขันภายใน)}}\\Y(t+DT)=Y(t)+DT\cdot (F4-F5)&{\text{(แกะต่อเนื่อง)}}\\F4=d\cdot X\cdot Y&{\text{(การเกิด)}}\\F5=e\cdot Y&{\text{(การตาย)}}\\\end{array}}}$

สมมติว่าการเกิดและการตายของแกะเป็นเหตุการณ์สุ่มแบบไม่ต่อเนื่อง โดยมีอัตราที่คาดหวังคือd⋅X⋅Yและe⋅Yตามลำดับ ดังนั้นจำนวนเหตุการณ์ต่อช่วงเวลาจึงมีการแจกแจงแบบปัวซง ฟังก์ชัน PoFlow(expected_value) ของ StochSD จะจัดการเรื่องนี้โดยการสุ่มหมายเลขสำหรับแต่ละDTการปรับเปลี่ยนเพื่อให้ได้แบบจำลองแบบผสมแสดงด้วยสีแดงด้านล่าง

แบบจำลองแบบผสมผสานระหว่างแบบไม่ต่อเนื่องและแบบต่อเนื่อง

${\displaystyle {\begin{array}{lll}X(t+DT)=X(t)+DT\cdot (F1-F2-F3)&{\text{(หญ้าต่อเนื่อง)}}\\F1=a\cdot X&{\text{(การผสมพันธุ์)}}\\F2=b\cdot X\cdot Y&{\text{(ถูกล่า)}}\\F3=c\cdot X\cdot X&{\text{(การแข่งขันภายใน)}}\\Y(t+DT)=Y(t)+DT\cdot (F4-F5)&{\text{(แกะแยกกัน)}}\\F4=\color {red}PoFlow(\color {black}d\cdot X\cdot Y\color {red})\color {black}&{\text{(การเกิดแยกกัน)}}\\F5=\color {red}PoFlow(\color {black}e\cdot Y\color {red})\color {black}&{\text{(การเสียชีวิตแบบแยกส่วน)}}\\\end{array}}}$

ในการจำลองที่แสดงไว้ สัตว์ผู้ล่าแบบแยกส่วนสูญพันธุ์ไปเมื่อเวลาประมาณ 235 หน่วยเวลา (เช่น เดือน) จากนั้นเหยื่อแบบต่อเนื่องจะเพิ่มจำนวนขึ้นตามหลักโลจิสติกส์จนถึงจุดสมดุลโดยไม่มีการเปลี่ยนแปลงแบบสุ่มเพิ่มเติม

เมื่อเปรียบเทียบแบบจำลองผู้ล่า-เหยื่อแบบต่อเนื่องกับแบบจำลองแบบผสม จะเห็นได้ว่าแบบจำลองต่อเนื่องที่เริ่มต้นจากสภาวะสมดุล (ดังเช่นในตัวอย่างนี้) จะสร้างเส้นตรงแนวนอนเพียงสองเส้นเท่านั้น การเริ่มต้นแบบจำลองต่อเนื่องนอกสภาวะสมดุลจะทำให้แบบจำลองเข้าใกล้สภาวะสมดุลสำหรับทั้งสองชนิดโดยไม่มีการเปลี่ยนแปลงที่ยั่งยืน นอกจากนี้ ปรากฏการณ์เช่นการสูญพันธุ์จะไม่สามารถเกิดขึ้นได้ในแบบจำลองต่อเนื่อง

การสร้างแบบจำลองแบบผสมผสานดังที่แสดงไว้ข้างต้นนั้นทำได้ง่าย ทางเลือกแบบดั้งเดิมในการสร้างแบบจำลองแบบผสมผสานระหว่างแบบต่อเนื่องและแบบไม่ต่อเนื่อง ซึ่งมีส่วนผสมของแนวคิด DES และ CSS ที่แตกต่างกัน การซิงโครไนซ์วิธีการจัดการเวลาสองวิธีที่แตกต่างกัน และการต้องใช้ภาษาจำลอง แบบผสมผสานพิเศษ นั้น ไม่ใช่ทางเลือกที่น่าสนใจสำหรับการศึกษาในระดับมหภาค

• เว็บไซต์อย่างเป็นทางการ
• stochsdบนGitHub