Рубрика: "1.2.2. Математическое моделирование, численные методы и комплексы программ (технические науки)"



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.



519.654 О моделировании циклических процессов решениями кусочно-линейных разностных уравнений с постоянными коэффициентами по экспериментальным данным в виде временных рядов

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.



519.2.214 Математическое моделирование и сравнительный анализ численных методов решения задачи непрерывно-дискретной фильтрации случайных процессов в реальном времени

Валишин А. А. (МГТУ им.Н.Э.Баумана), Запривода А. В. (МГТУ им.Н.Э.Баумана), Клонов А. С. (МГТУ им.Н.Э.Баумана)


doi: 10.18698/2309-3684-2024-1-93109


При развитии методов прогнозирования существенное значение приобретает исключение из исходной информации и исследуемых процессов случайных эффектов. Эти эффекты связаны не только с невозможностью учета всех факторов, но и с тем, что часть из них нередко совсем не принимаются во внимание. Не стоит забывать и про случайные погрешности измерений. В прогнозируемых величинах вследствие указанных эффектов создается некий случайный фон или «шум». Фильтрация (исключение) шумов должна, естественно, повысить достоверность и оправдываемость прогнозов. В статье рассмотрены принципы фильтрации данных в масштабе реального времени. Приводится постановка задачи, а также основные критерии оценок, которые должны выполняться для получения удовлетворительного результата. Разбирается принцип работы двух наиболее распространённых видов фильтров – абсолютно оптимальных и условно оптимальных, описываются их достоинства и недостатки. Рассмотрено применение фильтров Калмана и Пугачева к модели с двумя датчиками. Представлены некоторые выводы и рекомендации о том, в каких случаях лучше использовать тот или иной фильтр.


Валишин А.А., Запривода А.В., Клонов А.С. Математическое моделирование и сравнительный анализ численных методов решения задачи непрерывнодискретной фильтрации случайных процессов в реальном времени. Математическое моделирование и численные методы, 2024, № 1, с. 93–109.



519.63 Молекулярно-динамическое моделирование модификации алюминия лазерной ударной волной

Перов Е. А. (Объединенный институт высоких температур РАН), Жаховский В. В. (Всероссийский научно-исследовательский институт автоматики им. Н.Л. Духова/Объединенный институт высоких температур РАН), Иногамов Н. А. (Институт теоретической физики им. Л.Д. Ландау РАН), Шепелев В. В. (Институт автоматизации проектирования РАН), Фортова С. В. (Институт автоматизации проектирования РАН), Долуденко А. Н. (Объединенный институт высоких температур РАН)


doi: 10.18698/2309-3684-2023-4-7492


Пластические деформации лежат в основе такой промышленной технологии, как лазерное термоупрочнение или лазерный пиннинг (LSP, laser shock peening). В данной работе методом классической молекулярной динамики исследована возможность упрочнения поверхностного слоя алюминиевого образца, облученного единичным фемтосекундным лазерным импульсом. Рассмотрены три ориентации кристаллической решетки — [1, 0, 0] (первая ориентация кристаллической решетки), [1, 1, 0] (вторая ориентация кристаллической решетки), [1, 1, 1] (третья ориентация кристаллической решетки). Проведено численное исследование влияния различных величин вложенной энергии в диапазоне от 120,98 Дж/м2 до 2540,01 Дж/м2 лазерного импульса на глубину залегания пластических деформаций, влияющих на упрочнение исследуемого материала. Построена зависимость максимальной глубины залегания пластических деформаций от вложенной энергии. Значения энергий подобранны таким образом, что пластический фронт УВ (ударной волны) останавливался до того, как достигнет правой границы моделируемого образца. Необходимость соблюдения этого условия обусловлена тем фактом, что отразившаяся от правой границы образца волна растяжения может тормозить пластический ударный фронт, выступая в роли волны разгрузки. С помощью построенной в работе зависимости максимальной глубины залегания пластических деформаций от вложенной энергии определено пороговое значение вложенной энергии, при превышении которого алюминий начинает пластически деформироваться.


Перов E.А., Жаховский В.В., Иногамов Н.А., Шепелев В.В., Фортова С.В., Долуденко А.Н.. Молекулярно-динамическое моделирование модификации алюминия лазерной ударной волной. Математическое моделирование и численные методы, 2023, № 4, с. 74-92



519.87 Моделирование клеточными автоматами эффектов двойных стандартов и мягкой силы при конкуренции

Бобров В. А. (МПГУ), Бродский Ю. И. (ФИЦ ИУ РАН)


doi: 10.18698/2309-3684-2021-4-12134


В среде клеточных автоматов рассматривается дискретный аналог классической модели конкуренции А. Лотки – В. Вольтерры. Известно, что в классической модели тип ее эволюции во времени определяется в первую очередь принадлежностью коэффициентов двойных стандартов тем или иным диапазонам их возможных значений. Показано, что такая же ситуация имеет место и для дискретной модели. Для классической модели имеет место эффект мягкой силы. При рассмотрении модели применительно к социальным системам, она превращается в кооперативную позиционную дифференциальную игру, ограничениями которой становится исходная система уравнений конкуренции А. Лотки – В. Вольтерры, а управлениями — коэффициенты двойных стандартов. Эффект мягкой силы состоит в том, что стороны склонны сравнивать конкурентное давление на них популяции соперника с конкурентным давлением внутри собственной популяции и могут принять меньшее давление соперника за благосклонное его к ним отношение, а большее — за враждебное проявление. Тогда как на самом деле — сравнение внешнего конкурентного давления с внутренним в данной игре не информативно — все зависит исключительно от коэффициентов двойных стандартов, которые в этой игре являются управлениями и поэтому не известны сопернику. Имитационные эксперименты с аналогом модели конкуренции, реализованным в среде клеточных автоматов, показывают, что в дискретной модели эффект мягкой силы также имеет место


Бобров В.А., Бродский Ю.И. Моделирование клеточными автоматами эффектов двойных стандартов и мягкой силы при конкуренции. Математическое моделирование и численные методы, 2021, № 4, с. 121–134.



519.6 Математическое моделирование нестационарной задачи конвекции–диффузии об оптимальном выборе местоположения источников тепла

Хайиткулов Б. Х. (Национальный университет Узбекистана)


doi: 10.18698/2309-3684-2023-1-3242


Данная работа посвящена численному решению нестационарной задачи оптимального размещения источников тепла минимальной мощности. Постановка задачи требует одновременного выполнения двух условий. Первое условие — обеспечить нахождение температуры в пределе минимальных и максимальных температур за счет оптимального размещения источников тепла с минимальной мощностью в параллелепипеде. Второе условие заключается в том, чтобы суммарная мощность источников тепла, используемых для обогрева, была минимальной. Эта задача изучалась в стационарных условиях в работах других учёных. Однако в нестационарном случае задача не рассматривалось. Поскольку найти непрерывное решение краевой задачи сложно, то ищем численное решение задачи. Трудно найти интегральный оператор с непрерывным ядром (функция Грина). Найдено численное значение функции Грина в виде матрицы. Предложен новый алгоритм численного решения нестационарной задачи оптимального управления размещением источников тепла с минимальной мощностью в процессах, описываемых дифференциальными уравнениями с частными производными параболического типа. Предложена новая методика численного решения. Построена математическая и численная модель процессов, описываемых уравнением конвекции-диффузии, заданным для первой краевой задачи. Краевая задача изучается для трёхмерного случая. Для численного решения задачи использовалась неявная конечно-разностная схема. По этой схеме была создана система разностных уравнений. Сформированная система разностных уравнений приведена к задаче линейного программирования. Задача линейного программирования решается с помощью М-метода. При каждом значении времени решается задача линейного программирования. Предложен новый подход к численному решению задач. Приведена общая блок-схема алгоритма решения нестационарной задачи оптимального управления размещением источников тепла с минимальной мощностью. Разработан алгоритм и программное обеспечение для численного решения задачи. Приведено краткое описание программного обеспечения. На конкретных примерах показано, что численное решение краевой задачи находится в заданных пределах, сумма оптимально размещенных источников тепла с минимальной мощностью дает минимум функционалу. Визуализированы результаты вычислительного эксперимента.


Хайиткулов Б.Х. Математическое моделирование нестационарной задачи конвекции–диффузии об оптимальном выборе местоположения источников тепла. Математическое моделирование и численные методы, 2023, No 1, с. 32–42.



338.001.36 Математическая модель формирования цепочек поставок сырья с товарно-сырьевой биржи в условиях риска с опорой на траекторию прибыли за предыдущие периоды

Рогулин Р. С. (ФГБОУ ВО «ВВГУ»)


doi: 10.18698/2309-3684-2023-2-129154


Формирование цепочки поставок сырья тесно связано с производственными проблемами деревообрабатывающих предприятий. Построение цепочек поставок сырья и оптимальный расчет ежедневного производства были актуальными темами с начала второй промышленной революции. В данной статье рассматривается предприятие Приморского края деревообрабатывающей промышленности, у которого нет делян в аренде. Цель работы состоит в том, чтобы решить проблему построения цепочки поставок сырья с учетом ежедневной загрузки производственных площадей и поиску оптимального решения. Источником сырья выступает товарно-сырьевая биржа, где лоты появляются ежедневно в случайном порядке в разных регионах добычи. В научной литературе существует множество способов расчета наилучшего значения прибыли с учетом множества ограничений, но в них не учтены многие важные для деревообрабатывающих предприятий особенности. Исходя из обзора научной литературы в данной статье представлена математическая модель, которая выступает в роли механизма по принятию решений в каждый отдельный день, и она отличается тем, что может учитывать коэффициент полезного объема сырья, который дойдет до склада и время в пути. Тестирование модели проводилось на данных Российской товарно-сырьевой биржи и компании в Приморском крае. Результатом тестирования модели является вычисленная оптимальная траектория прибыли для каждого набора данных об объемах сырья, времени лотов в пути, а также множество важных показателей для любого производства: объем прибыли, объем производства товаров. Анализ полеченных решений показал, что существуют сложности в планировании цепочек поставок и объемов производства. Проанализированы регионы в качестве источников сырья, из каких регионов и когда стоит закупать сырье. Приведены недостатки и положительные стороны математической модели.


Рогулин Р.С. Математическая модель формирования цепочек поставок сырья с товарно-сырьевой биржи в условиях риска с опорой на траекторию прибыли за предыдущие периоды. Математическое моделирование и численные методы, 2023,№ 2, с. 129–154.



519.8 «Смешанная» модель противоборства многочисленных группировок при линейных зависимостях от времени эффективных скоростей воздействий единицами сторон

Чуев В. Ю. (МГТУ им.Н.Э.Баумана), Дубограй И. В. (МГТУ им.Н.Э.Баумана)


doi: 10.18698/2309-3684-2022-2-102113


С использованием метода динамики средних разработана «смешанная» модель противоборства многочисленных группировок при линейных зависимостях от времени эффективных скоростей нанесения воздействий единицами сторон. Построен алгоритм, позволяющий исследовать ход протекания процесса и вычислить его основные показатели. Установлено, что использование моделей с постоянными эффективными скоростями нанесения воздействий во многих случаях приводит к значительным ошибкам при вычислении основных показателей процесса. Исследовано влияние упреждающего воздействия одной из противоборствующих сторон на ход его протекания и окончательный итог.


Чуев В.Ю., Дубограй И.В. «Смешанная» модель противоборства многочисленных группировок при линейных зависимостях от времени эффективных скоростей воздействий единицами сторон. Математическое моделирование и численные методы, 2022, № 2, с. 104–115



517 Моделирование нелинейных динамических и стационарных систем на основе интегро–функциональных рядов Вольтерры и различных классов квадратурных формул

Висам Махди Абас А. (ЮРГПУ (НПИ)), Арутюнян Р. В. (МГТУ им.Н.Э.Баумана)


doi: 10.18698/2309-3684-2021-2-6885


Рассматриваются вопросы анализа нелинейных динамических и стационарных систем на основе интегро–функциональных рядов Вольтерры и различных классов квадратурных формул. Используется математическая модель типа вход–выход, не учитывающая конкретную физическую природу динамического процесса, которую принято называть черным ящиком. Методы статьи применимы для основных вариантов интегрально–функционального разложения Вольтерры, в том числе для случая стационарных динамических систем, векторного входного сигнала. Дан пример задачи оптимизации на основе рассматриваемых интегростепенных рядов. Отмечено, при анализе и оптимизации нелинейных динамических систем методом интегро–функциональных рядов может возникнуть проблема вычисления многомерных интегралов. Рассмотрено применение для задач анализа нелинейных динамических и стационарных систем комбинированного метода, основанного на интегростепенном ряде Вольтерры и сеточных методах решения соответствующих одно- и многомерных интегральных уравнений. Рассматривается случай, когда известен некоторый набор реализаций входного и выходного сигналов, которые могут быть в принципе случайными процессами. По этим данным осуществляется отыскание ядер в разложении на основе решения соответствующего линейного многомерного интегрального уравнения Фредгольма I рода. Соответствующая задача относится к некорректно поставленным и для ее решения применен метод регуляризации по А.Н. Тихонову. В статье предлагается применять в данной задаче в случае больших размерностей метод квази Монте–Карло, характерный удовлетворительной сходимостью. Исследованы вычислительные качества в рассматриваемой задаче полустатистического метода решения интегральных уравнений большой размерности, метод квази Монте-–Карло, метод центральных прямоугольников (ячеек) и квадратурные формулы Гаусса–Лежандра. Рассматриваемые подходы позволяют расширить круг решаемых задач теории анализа и оптимизации систем, поскольку предложены методы, практически приемлемые при больших размерностях интегральных уравнений в условиях ограниченной информации о системе.


Абас Висам Махди Абас, Арутюнян Р.В. Моделирование нелинейных динамических и стационарных систем на основе интегро–функциональных рядов Вольтерры и различных классов квадратурных формул. Математическое моделирование и численные методы, 2021, № 2, с. 68–85.



<< 3 >>