Димитриенко Ю. И. (МГТУ им.Н.Э.Баумана), Губарева Е. А. (МГТУ им.Н.Э.Баумана), Пичугина А. Е. (МГТУ им.Н.Э.Баумана), Белькова К. В. (МГТУ им.Н.Э.Баумана), Борин Д. М. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2022-4-330
Разработанная авторами ранее в первой части данного исследования общая асимптотическая теория тонких многослойных оболочек применяется для цилиндрических анизотропных термоупругих оболочек. Показано, что для цилиндрических оболочек общая теория существенно упрощается: получены общие двумерные осредненные уравнения термоупругости многослойных оболочек. Эти уравнения подобны классическим уравнениям цилиндрических оболочек в теории Кирхгофа–Лява, однако они получены совершенно иным способом: на основе только асимптотического анализа общих трехмерных уравнений теории термоупругости. Никакие гипотезы относительно распределения перемещений или напряжений по толщине не используются в данной теории, что делает ее логически непротиворечивой. Кроме того, разработанная теория позволяет получить явные аналитические выражения для всех 6 компонент тензора напряжений в цилиндрических анизотропных оболочках. Получены явные выражения для всех тензорных констант, входящих в эти формулы для напряжений. Приведен пример расчета термонапряжений в цилиндрической композитной оболочке при осесимметричном изгибе, обусловленном совместным действием внешнего давления и одностороннего нестационарного нагрева. Рассмотрен пример слоисто-волокнистой четырехслойной оболочки, с различными углами спиральной намотки армирующих волокон. Показано, что разработанная позволяет детально исследовать такие сложные эффекты, как образование значительных поперечных термонапряжений при нагреве, которые значительно превышают уровень напряжений межслойного сдвига, традиционно считающихся наиболее опасными для слоистых композитов.
Димитриенко Ю.И., Губарева Е.А., Пичугина А.Е., Белькова К.В., Борин Д.М. Моделирование термонапряжений в композитных оболочках на основе асимптотической теории. Часть 2. Расчет цилиндрических оболочек. Математическое моделирование и численные методы, 2022, № 3, с. 3–30
551.5; 519.6 Организация численных экспериментов на совместной глобальной модели атмосферы и океана
Пархоменко В. П. (МГТУ им.Н.Э.Баумана/ФИЦ ИУ РАН)
doi: 10.18698/2309-3684-2022-4-3147
Представлена трехмерная гидродинамическая модель глобального климата, включающая блок общей циркуляции атмосферы, блок океана в геострофическом приближении с фрикционным членом в уравнениях горизонтального импульса с реальным распределением глубин и материков, блок эволюции морского льда. Приведены расчеты возможного изменения климата до 2100 года на основе нескольких сценариев роста СО2. Установлено существенное уменьшение меридионального переноса воды в Атлантике при реализации жесткого сценария роста СО2. Проведены численные эксперименты по выявлению потенциального гистерезиса, связанного с ослаблением, вплоть до блокировки (при некоторых условиях) Атлантической меридиональной термохалинной циркуляции.
Пархоменко В.П. Организация численных экспериментов на совместной глобальной модели атмосферы и океана. Математическое моделирование и численные методы, 2022, № 4, с. 31–4
Облакова Т. В. (МГТУ им.Н.Э.Баумана), Алексеев Д. С. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2022-4-4862
Работа посвящена сравнению различных методов моделирования и применения фрактального броуновского движения в задачах анализа временных рядов. Реализованы программные модули, генерирующие траектории фрактального броуновского движения с использованием методов стохастического представления, разложения Холецкого и Дэвиса-Харта. Проведено сравнение алгоритмов с точки зрения их сложности и качества получаемых траекторий. Показатель Хёрста оценивался методами Минковского и R/S анализа. Предложена и реализована аппроксимация временных рядов фрактальным броуновским движением с помощью степенной функции для последующего применения алгоритма линейного прогнозирования, основанного на теореме о нормальной корреляции. Установлено, что с помощью представленной аппроксимации удается добиться удовлетворительного прогноза валютного курса на несколько значений вперед.
Облакова Т.В., Алексеев Д.С. Сравнительный анализ методов моделирования и прогнозирования временных рядов на основе теории фрактального броуновского движения. Математическое моделирование и численные методы, 2022, № 4, с. 48–62
Смирнов В. Ю. (ГБУЗ МО МОНИКИ им. М. Ф. Владимирского/ООО Азфорус), Кузнецова А. В. (ИБХФ РАН)
doi: 10.18698/2309-3684-2022-4-6380
В работе рассмотрено моделирование циклических процессов реального макромира набором двух (или большего числа) систем линейных разностных уравнений с постоянными коэффициентами. Показано, что из любого начального состояния система может быть переведена в заданное конечное состояние за заданное число шагов и, как следствие — получены условия существования циклического решения на плоскости или в пространстве любой размерности. Для циклического решения интегральные кривые систем состыковываются по непрерывности. Переключение с одной системы уравнений на другую происходит при достижении интегральными кривыми границ на фазовой плоскости (пространстве). Проведен анализ скорости сходимости таких решений к устойчивому циклу. Показана существенная зависимость хода интегральных кривых (траекторий) от начальных условий. Модель в виде авторегрессий связана с экспериментальными данными — временными рядами и аппроксимирует их по критерию минимизации среднеквадратичного отклонения. Предложенные модели могут также применяться к задачам достижения заданных значений процессов (технических, экономических) в заданный момент врем
Смирнов В.Ю., Кузнецова А.В. О моделировании циклических процессов решениями кусочно-линейных разностных уравнений с постоянными коэффициентами по экспериментальным данным в виде временных рядов. Математическое моделирование и численные методы, 2022, № 4, с. 63–80.
004.855.5 Нейросетевые методы решения задачи кредитного скоринга
Кадиев А. Д. (МГТУ им.Н.Э.Баумана), Чибисова А. В. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2022-4-8192
Продемонстрирован математический вывод представленной модели нейронной сети. Сведение задачи классификации к задаче оптимизации. Произведен разведывательный анализ данных, а также их предобработка для дальнейшего использования в обучении алгоритмов классификации. Были спроектированы архитектуры нейронных сетей, зависящих от функции активации, количества скрытых слоев нейронной сети и количества нейронов в скрытых слоях. Обучено более десяти нейронных сетей, решающих поставленную задачу кредитного скоринга. Произведен расчет времени обучения нейронных сетей. Представлено решение задачи при помощи классических алгоритмов машинного обучения. Можно было заметить, что стандартное отклонение accuracy и ROC AUC для нейронных сетей больше, чем у случайного леса. Это происходит из-за того, что мы выбираем начальные веса случайным образом и градиенты считаем не на всей выборке, а на малых частях, что добавляет некоторую погрешность при обучении. Но эти отклонения были не только в худшую сторону. В лучших ситуациях, по обеим метрикам, нейронные сети показывали результат хуже всего на пару процентов. Произведен анализ резульатов. Сравнительный анализ показывает, что нейронные сети имеют лучшее качество классификации, чем классические алгоритмы машинного обучения, а также, что нейронные сети имеют меньшее время обучения, чем классические алгоритмы машинного обучения. Представлены графики и таблицы, отображающие имеемые результаты.
Кадиев А.Д., Чибисова А.В. Нейросетевые методы решения задачи кредитного скоринга. Математическое моделирование и численные методы, 2022, № 4, с. 81–92.
519.87 Структурная теория сложных систем. Геометрическая теория и гуманитарные аспекты моделирования
Бродский Ю. И. (ФИЦ ИУ РАН)
doi: 10.18698/2309-3684-2022-4-93113
Предлагается формальное определение компьютерной модели сложной системы, как рода структуры в смысле Н. Бурбаки — род структуры M (модель). Класс математических объектов, определяемый родом структуры M обладает следующими двумя свойствами: комплекс, созданный объединением математических объектов рода структуры M по определенным правилам, сам является математическим объектом рода структуры M. Организация вычислительного процесса для всех математических объектов рода структуры M однотипна и поэтому может быть реализована единой универсальной программой организации имитационных вычислений. Наличие этих двух свойств у представителей рода структуры M позволяет построить сквозную технологию описания, синтеза и программной реализации моделей сложных систем — Модельный синтез и Модельно-ориентированное программирование. Изучая морфизмы базисных множеств построенной с помощью модельного синтеза модели рода структуры M, и инварианты, ограничивающие такие морфизм, мы получаем формальный математический язык исследования сложных открытых (меняющих свой состав) систем. Ведя традиционный по форме гуманитарный дискурс, можно все время соотносить его с соответствующим объектом рода структуры M — транслируя на математический язык гуманитарные понятия языка более высокого уровня. Выводами, полученными с помощью этого языка, является, например, то, что устойчивое развитие есть modus vivendi сложной открытой системы и что в сложных открытых системах, в отличие от замкнутых физических систем, ведущую роль играет сохранение законов (система жертвует мощность на поддержание своих аксиом и структуры), а не законы сохранения (которые конечно же имеют место).
Бродский Ю.И. Структурная теория сложных систем. Геометрическая теория и гуманитарные ас-пекты моделирования. Математическое моделирование и численные методы, 2022, № 4, с. 93–113.
519.2 Численное исследование персистентных временных рядов на основе модели ARFIMA
Облакова Т. В. (МГТУ им.Н.Э.Баумана), Касупович Э. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2022-4-114125
Работа посвящена методам обнаружения долговременной памяти в финансовых временных рядах. Методом R/S анализа с помощью оригинального программного кода исследован ряд значений реального финансового индекса S&P500, получены оценки показателя Херста, продемонстрировано наличие персистентности. Для решения задачи прогнозирования будущих значений ряда предложена модель ARFIMA, представляющая собой обобщение стандартной модели ARIMA и предполагающая использование оператора дробного дифференцирования. Изложен и реализован двухэтапный алгоритм построения прогноза для ряда логарифмических прибылей. Показано, что применение модели ARFIMA улучшает качество прогноза в сравнении с ARIMA по всем стандартным метрикам.
Облакова Т.В., Касупович Э. Численное исследование персистентных временных рядов на основе модели ARFIMA. Математическое моделирование и численные методы, 2022, № 4, с. 114–125.