根据模型参数是否随时间连续变化，可分为连续系统模型和离散系统模型。

根据模型的数学描述形式，又可分为常微分方程、偏微分方程、差分方程、离散事件模型等。

对于上述不同类型的模型，这里不作深入的论述，只讨论建立系统数学模型中的几个共性问题。

（1）建模的过程是一个信息处理的过程，换而言之，信息是构造模型的“原材料”，根据建模所用的不同类型“原材料”可将建模方法归为两类：

一类是演绎法建模，即利用先验的技术信息建模。其过程是：从某些前提、假设、原理和规则出发，通过数学逻辑推导来建立模型。因此，这是一个从一般到特殊的过程，即根据普遍的技术原理推导出被仿真对象的特殊描述。

另一类是归纳法建模，即利用对真实系统的试验数据信息建模。其过程是：通过对真实系统的测试获得数据，这些数据中包含着能反映真实系统本质的信息，然后通过数据处理的方法，从中得出对真实系统规律性的描述，例如大家熟知的最小二乘回归模型等。这是一个从特殊到一般的过程。

但是实际应用中，常常是通过上述两类方法的结合完成模型的建立，即混合法建模。

不管用哪种方法建模，其关键都在于真实系统的了解程度。如果对真实系统没有充分的和正确的了解，那么所建的模型将不能准确地模仿出真实系统的本质。

（2）模型的可信度。既然模型是对真实系统的模仿，那么就有一个模仿得像不像的问题，这就是模型的相似度、精度的可信度的问题。

模型的可信度取决于建模所用的信息“原材料”（先验知识、试验数据）是否正确完备，还取决于所用建模方法（演绎、归纳）是否合理、严密。此外，对于许多仿真 软件来说，还要将数学模型转化为仿真算法所能处理的仿真模型。因此，这里还有一个模型的转换精度问题。建模中任何一个环节的失误，都会影响模型的可信度。

为此，在模型建立好以后，对模型进行可信度检验是不可缺少的重要步骤。检验模型可信度的方法通常是：首先由熟悉被仿真系统的专家对模型作分析评估，然后对建模所用数据进行统计分析，最后对模型进行试运行，将初步仿真结果与估计结果相比较。

仿真计算

仿真计算是对所建立的仿真模型进行数值实验和求解的过程，不同的模型有不同的求解方法。例如：对于连续系统，通常用常微分方程、传递函数，甚至偏微分方程对 其进行描述。由于要得到这些方程的解析解几乎是不可能的，所以总是采用数值解法，如：对于常微分方程主要采用各种数值积分法，对于偏微分方程则采用有限差 分法、特征法、蒙特卡罗法或有限元方法等。

又例如：对于离散事件系统，通常采用概率模型，其仿真过程实际上是一个数值实验的过程，而这些参数又必须符合一定的概率分布规律。对于不同类型的离散事件系统（如随机服务系统、随机库存系统、随机网络计划等）有不同的仿真方法。

随着被仿真对象复杂程度的提高和对仿真实时性的迫切要求，研究新的仿真算法一直是一项重要的任务，特别是研究各种并行的仿真算法。

仿真结果的分析

要想通过模拟仿真得出正确、有效地结论，必须对仿真结果进行科学的分析。早期的仿真软件都是以大量数据的形式输出仿真的结果，因此有必要对仿真结果数据进行 整理，进行各种统计分析，以得到科学的结论。现代仿真软件广泛采用了可视化技术，通过图形、图表，甚至动画生动逼真地显示出被仿真对象的各种状态，使模拟 仿真的输出信息更加丰富、更加详尽、更加有利于对仿真结果的科学分析。