Рубрика: "1.2.2. Математическое моделирование, численные методы и комплексы программ (технические науки)"
519.8 Диффузионная модель эволюции кластера в металлическом расплаве жаропрочного никелевого сплава
Тягунов А. Г. (Уральский Федеральный Университет), Зейде К. М. (Universidad Politècnica Salesiana/University of Genoa), Мильдер О. Б. (Уральский Федеральный Университет), Тарасов Д. А. (Уральский Федеральный Университет)
doi: 10.18698/2309-3684-2023-2-332
В работе производится построение математической модели термо-временной эволюции кластера в расплаве жаропрочного никелевого сплава ЖС6У. Формулируется начально-краевая задача с движущейся границей, для решения которой применяется численное моделирование методом трассировки траектории частиц, а для описания эволюционных процессов используется ряд классических физических теорий. Для проверки точности модели привлекается физический эксперимент построения политерм и изотерм электросопротивления рассматриваемого сплава. Подтверждено, что модель броуновской диффузии и теория проводимости Друде применимы для описания, как временной, так и температурной эволюции кластера. Так же оправдал себя подход к моделированию на основе «твердых шаров». По результатам моделирования, во временном диапазоне от 1690 до 1752 К количество частиц в составе кластера меняется от 5000 до 2000, средняя динамическая вязкость кластера изменяется от 3 до 2 *1010 Па*с, однако предполагается, что центральная часть существенно плотнее периферии, радиус кластера изменяется от 24 до 18, радиус свободной зоны вокруг кластера – от 56 до 43. Определены направления дальнейшего развития модели.
Тягунов А.Г., Зейде К.М., Мильдер О.Б., Тарасов Д.А. Диффузионная модель эволюции кластера в металлическом расплаве жаропрочного никелевого сплава. Математическое моделирование и численные методы, 2023, № 2, с. 3–32.
Пархоменко В. П. (МГТУ им.Н.Э.Баумана/ФИЦ ИУ РАН)
doi: 10.18698/2309-3684-2021-2-3853
Целью данной работы является построение глобальной модели цикла углерода. Модель описывает продукционный процесс лесных экосистем с учетом сезонного хода климатических факторов. Она предназначена для моделирования длительного периода времени в составе глобальной климатической модели промежуточной сложности. Установлено, что глобальные характеристики климатической системы выходят на установившейся режим за время около 2000 лет и модель устойчиво работает. Приведены временные и пространственные распределения полученных климатических характеристик и биогеохимического углеродного цикла наземной растительности.
Пархоменко В.П. Глобальная климатическая модель с учетом биогеохимического углеродного цикла растительности суши. Математическое моделирование и численные методы, 2021, № 2, с. 38–53.
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.
519.87 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.
Хайиткулов Б. Х. (Национальный университет Узбекистана)
doi: 10.18698/2309-3684-2024-1-5566
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 прямоугольнике. 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 рассматривалась. 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 ностационарной 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 теплопроводности с постоянными коэффициентами, заданными для первой краевой задачи. Краевая задача изучается для двумерного 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. Численное моделирование нестационарной задачи оптимального размещения источников тепла минимальной мощности в однородной среде. Математическое моделирование и численные методы, 2024, № 1, с. 55–66.
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.
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.
Крееренко С. С. (ПАО «ТАНТК им. Г.М. Бериева»), Крееренко О. Д. (ПАО «ТАНТК им. Г.М. Бериева»)
doi: 10.18698/2309-3684-2024-3-8199
Рассматривается задача моделирования продольного движения самолета транспортной категории и параметрическая идентификация аэродинамических характеристик продольного движения: составляющих безразмерных коэффициентов аэродинамической подъемной силы и момента тангажа. Задача решается в классе модульных полуэмпирических динамических моделей, созданных объединением теоретического и нейросетевого моделирования. Работоспособность и практическая значимость моделей подтверждается результатами вычислительных экспериментов. Разработка нейросетевой модели продольного движения самолета выполнена на языке Python с использованием открытой программной библиотеки Tensorflow для машинного обучения и высокоуровневого API Keras в составе Tensorflow.
Крееренко С.С., Крееренко О.Д. Моделирование и параметрическая идентификация аэродинамических характеристик самолета транспортной категории с использованием нейросетей в среде Тensorflow. Математическое моделирование и численные методы, 2024, № 3, с. 81–99.
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.