Рубрика: "01.01.00 Математика"
519.8 Стохастические модели дуэльного боя двух единиц
Чуев В. Ю. (МГТУ им.Н.Э.Баумана), Дубограй И. В. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2016-2-6984
На основе теории непрерывных марковских процессов разработаны модели дуэльного боя двух единиц. Получены расчетные формулы для вычисления основных показателей боя. Установлено, что упреждающий удар одной из участвующих в бою единиц оказывает существенное влияние на исход боя близких по силам единиц и незначительное влияние, если одна из единиц имеет значительное превосходство. Показано, что использование модели с постоянными эффективными скорострельностями может привести к существенным ошибкам при оценке его результатов. Установлено, что упреждающий удар в совокупности с более высокой степенью роста эффективной скорострельности может в отдельных случаях компенсировать более чем двукратное начальное превосходство противника. Показана возможность использования аппроксимаций эффективных скорострельностей боевых единиц различными функциями времени боя.
Чуев В. Ю., Дубограй И. В. Стохастические модели дуэльного боя двух единиц. Математическое моделирование и численные методы, 2016, №2 (10), c. 69-84
681.513.5 Стабилизация неустойчивого предельного цикла релейной хаотической системы
Краснощеченко В. И. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2015-2-87104
В работе представлен алгоритм синтеза для стабилизации неустойчивого предельного цикла релейной хаотической системы. В алгоритме используется одномерное дис-кретное отображение Пуанкаре для нахождения неподвижных точек периода (предельных циклов исходной непрерывной системы). Показано, что классический метод OGY синтеза апериодического регулятора не решает поставленной задачи, так как учитывает только скорость выходной координаты, что недостаточно для стабилизации. Предложенный алгоритм основан на поиске необходимого коэффициента регулятора путем решения обратной задачи: сначала задается некоторый коэффициент, а затем осуществляется двухэтапная процедура (с коррекцией) перехода системы в следующую точку переключения. Задача коррекции осуществляется в полной окрестности (положения и скорости выходной координаты) и обеспечивает стабилизацию предельного цикла корректирующими импульсами малой амплитуды в вы-бранной области начальных условий (области стабилизации), о чем свидетельствуют приведенные результаты моделирования.
Краснощеченко В. И. Стабилизация неустойчивого предельного цикла релейной хаотической системы. Математическое моделирование и численные методы, 2015, №2 (6), c. 87-104
519.237.07 Факторное моделирование с помощью нейронной сети
Шовин В. А. (Омский филиал Федерального государственного бюджетного учреждения науки Института математики им. С.Л. Соболева Сибирского отделения Российской академии наук), Гольтяпин В. В. (Омский филиал Федерального государственного бюджетного учреждения науки Института математики им. С.Л. Соболева Сибирского отделения Российской академии наук)
doi: 10.18698/2309-3684-2016-2-85103
Проведено факторное моделирование артериальной гипертензии начальной стадии с помощью метода факторизации на базе нейронной сети и алгоритма обратного распространения ошибки. Этот метод факторизации является альтернативой классическому факторному анализу. Алгоритм построения факторной структуры на базе нейронной сети был реализован программно. Представлен обзор данного метода факторизации. Данный метод был усовершенствован для проведения факторного вращения и получения интерпретабельного решения. Факторная структура артериальной гипертензии, полученная с помощью данного метода факторизации, находятся в соответствии с результатами факторного моделирования посредством других методов.
Шовин В. А., Гольтяпин В. В. Факторное моделирование с помощью нейронной сети. Математическое моделирование и численные методы, 2016, №2 (10), c. 85-103
Базилевский М. П. (Иркутский государственный университет путей сообщения)
doi: 10.18698/2309-3684-2016-2-104116
Рассмотрена проблема построения регрессионных моделей, в которых все переменные имеют стохастический характер. Для ее решения предложено использовать коэффициент детерминации. Получены аналитические зависимости коэффициентов детерминации от соотношения дисперсий ошибок исследуемых признаков. Поставлена оптимизационная задача, предполагающая максимизацию суммы коэффициентов детерминации каждого уравнения в регрессии Деминга. Дан модельный пример численной обработки регрессии Деминга с ее известными параметрами и ошибками признаков.
Базилевский М. П. Аналитические зависимости между коэффициентами детерминации и соотношением дисперсий ошибок исследуемых признаков в модели регрессии Деминга. Математическое моделирование и численные методы, 2016, №2 (10), c. 104-116
519.63 О построении параллельных многосеточных алгоритмов
Мартыненко С. И. (ФГУП «Центральный институт авиационного моторостроения имени П.И. Баранова»)
doi: 10.18698/2309-3684-2015-2-105120
Рассмотрены основные направления развития параллельных классических многосеточных алгоритмов и их характерные недостатки. На примере универсальной многосеточной технологии показана возможность эффективного распараллеливания сглаживающих итераций на уровнях с грубыми сетками; многосеточная структура использована для построения гибридного многосеточного метода. Приведены оценки ускорения и эффективности различных параллельных многосеточных алгоритмов, а также результаты вычислительных экспериментов.
Мартыненко С. И. О построении параллельных многосеточных алгоритмов. Математическое моделирование и численные методы, 2015, №2 (6), c. 105-120
Андрианов И. К. (Комсомольский-на-Амуре государственный технический университет), Гринкруг М. С. (Комсомольский-на-Амуре государственный технический университет)
doi: 10.18698/2309-3684-2016-2-2438
Рассмотрена математическая модель теплообменного процесса, протекающего в тонкостенных криволинейных оболочках турбомашин. Предложен алгоритм расчета теплового состояния на граничных поверхностях оболочки и покрытия согласно требуемому тепловому условию. Представлены результаты расчета распределения температур при заданном температурном поле на наиболее термонагруженной поверхности оболочки в результате теплового воздействия.
Андрианов И. К., Гринкруг М. С. Параметрическая идентификация математической модели теплообменного процесса для тонкостенных криволинейных оболочек турбомашин. Математическое моделирование и численные методы, 2016, №2 (10), c. 24-38
519.612.2 Анализ эффективности итерационных методов решения систем линейных алгебраических уравнений
Марчевский И. К. (МГТУ им.Н.Э.Баумана), Пузикова В. В. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2014-4-3752
Для выбора оптимального в смысле вычислительной эффективности итерацион ного метода решения систем линейных алгебраических уравнений, возникающих при дискретизации дифференциальных уравнений в частных производных, помимо скорости сходимости следует учитывать такие характеристики системы и метода, как число обусловленности, коэффициент сглаживания, показатель «затратности». Последние две характеристики вычисляют по коэффициентам усиления гармоник, которые позволяют судить о сглаживающих свойствах итерационного метода и его «затратности», т. е. о том, насколько хуже метод подавляет низкочастотные компоненты ошибки по сравнению с высокочастотными. Предложен способ определения коэффициентов усиления гармоник, основанный на использовании дискретного преобразования Фурье. В качестве примера приведён анализ эффективности метода BiCGStab c ILU и многосеточным предобусловливанием при решении разностных аналогов уравнений Гельмгольца и Пуассона.
Марчевский И. К., Пузикова В. В. Анализ эффективности итерационных методов решения систем линейных алгебраических уравнений. Математическое моделирование и численные методы, 2014, №4 (4), c. 37-52
Фролов А. В. (Институт водных проблем РАН)
doi: 10.18698/2309-3684-2016-3-7992
Рассмотрены многолетние колебания уровня Каспийского моря как выходного процесса нелинейной системы, обладающей положительной и отрицательными обратными связями. Предложена модель Каспийского моря, учитывающая отток морской воды в залив Кара-Богаз-Гол. Получена плотность распределения уровня моря в виде решения соответствующего уравнения Фоккера — Планка — Колмогорова. Показано, что бимодальная плотность распределения вероятности уровня моря, отвечающая бессточному Каспию (при отсеченном заливе Кара-Богаз-Гол), переходит в одномодальную в случае одновременного действия зависимостей испарения и оттока морской воды в залив Кара-Богаз-Гол от уровня моря.
Фролов А. В. Моделирование влияния оттока в залив Кара-Богаз-Гол на плотность распределения вероятности уровня Каспийского моря. Математическое моделирование и численные методы, 2016, №3 (11), c. 79-92
519.248 Проверка справедливости модели Кокса по нескольким прогрессивно цензурированным выборкам
Тимонин В. И. (МГТУ им.Н.Э.Баумана), Тянникова Н. Д. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2017-1-102117
Предложен непараметрический критерий типа Кифера — Гихмана для проверки справедливости модели Кокса по нескольким прогрессивно цензурированным выборкам. По каждой из выборок в качестве оценок функции надежности использованы оценки Каплана — Мейера. Доказано, что при справедливости гипотезы в качестве приближения асимптотического распределения статистики критерия может быть применено распределение Кифера — Гихмана. Разработан метод вычисления точных распределений статистики на основе модели случайного блуждания частицы по многомерному массиву ячеек. Приведены таблицы полученных значений вероятностей точных распределений предложенной статистики для широкого набора возможных значений объемов выборок. Методами статистического моделирования показана состоятельность метода оценки параметров Кокса, основанного на минимизации статистики. Представлены гистограммы полученных оценок для экспоненциального распределения наработок до отказа. Результаты исследования находят применение при анализе результатов испытаний резервированных технических систем различной кратности, функционирующих в различных условиях эксплуатации.
Анализируемые системы используются во всех отраслях — от машиностроительных до радиоэлектронных.
Тимонин В. И., Тянникова Н. Д. Проверка справедливости модели Кокса по нескольким прогрессивно цензурированным выборкам. Математическое моделирование и численные методы, 2017, №1 (13), c. 102-117