Сходный характер имеют случаи, когда не учитывается влияние факторов, которые считаются второстепенными (например, из-за относительной малости характеризующих их параметров), но на самом деле являются существенными, иногда даже определяющими.

Модель может оказаться неадекватной из-за того, что при ее построении была применена схема (круг представлений, понятия и их связи) разработанная и адекватная для иной области явлений, к которым изучаемое явление не относится. Гипотезы, на которые опирается модель, могут в изучаемой ситуации быть необоснованными или даже несправедливыми.

Количественная неадекватность математической модели может проистекать от чрезмерных, выходящих за допустимые рамки упрощений моделируемого объекта (упрощение исходных зависимостей или даже замена неизвестных зависимостей придуманными).

Влияние интерполяции и экстраполяции. При построении и исследовании математических моделей постоянно приходится пользоваться различными зависимостями между величинами – как исходными, так и получающимися в процессе исследования. При этом широко используются интерполяция и экстраполяция.

Самые грубые задачи интерполяции возникают при подборе эмпирической формулы по данным измерений. Нельзя слепо подбирать формулу только по данным измерений. Выбор вида формулы должен опираться на теоретическое обсуждение свойств изучаемой зависимости. Применяемый метод должен быть устойчивым относительно возможных ошибок измерения.

Специального внимания требуют возможные особенности изучаемой зависимости – разрывы, острые экстремумы и т.п., которые могут оказаться определяющими, тогда как при «слепом» интерполировании их можно не заметить. Это делает существенным предварительный или попутный теоретический неформальный анализ реальной зависимости.

Если при интерполяции обсуждение реального смысла исследуемой зависимости весьма полезно, то при экстраполяции оно является решающим элементом процедуры. Даже если формулы на интервале интерполирования дают близкие значения, то при удалении от него они могут приводить к принципиально различным результатам. Т.о. построение экстраполяционной формулы, которая должна экстраполировать исследуемую зависимость на сколь-нибудь значительное удаление от изученного интервала, возможно только при: 1).глубоком анализе влияния существенных факторов; 2).их взаимодействия; 3).усиления или ослабления при отходе от этого интервала.

Ошибки в выборе метода исследования могут проистекать от недостаточной целеустремленности исследования. Это касается случаев, когда: 1).нет достаточно четкого представления о том, что следует искать; 2).движение к цели осуществляется по слишком извилистому пути; 3).когда добавляется слишком много, по существу, ненужной информации. Для уменьшения объема избыточной информации полезно прямое изучение интегральных характеристик рассматриваемой системы и применение различных интегральных соотношений.

Другая распространенная ошибка – недостаточное внимание к доброкачественности исходных данных. Труд, потраченный на реализацию самого точного численного метода, будет обесценен, если воспользоваться неверными или неточными исходными данными. В этом случае может возникнуть неверное представление о доброкачественности вывода и надежности самого метода. Проверить вывод будет тем сложнее, чем более трудоемкой была математическая задача. Поэтому выбираемый метод решения задачи должен быть рассчитан на такие данные, которые можно реально получить с требуемой точностью.

К ошибкам может приводить неправильный выбор вычислительного алгоритма. Так метод, корректный в «домашинном» понимании, может оказаться неустойчивым из-за ошибок округления. Это может привести к неправильным выводам о свойстве моделируемого объекта, так как вычислительный результат может быть принят за физический.