Рубрика: "2.3.1. Системный анализ, управление и обработка информации (технические науки)"
330.43, 519.23 Динамика макроэкономических показателей и взаимной торговли стран БРИКС и США
Малинецкий Г. Г. (Институт прикладной математики им. М.В. Келдыша РАН), Махов С. А. (Институт прикладной математики им. М.В. Келдыша РАН)
doi: 10.18698/2309-3684-2023-1-112123
Целью исследования является прогнозирование основных тенденций и построение сценариев экономического развития стран БРИКС (Бразилии, Индии, Китая, России, ЮАР) и США. Построены автономные регрессионные макромодели, а также модель торговли между ними. В автономных подмоделях в качестве основных показателей используются численность населения, основной капитал, валовой внутренний продукт и вложения в основные фонды. Для описания динамики этих переменных были составлены авторегрессионные уравнения. Полученная система уравнений позволила описать историческую динамику демографических и макроэкономических индикаторов с 1990 по 2019 гг. и построить прогноз до 2030 г. Подмодель торговли позволила связать двусторонние торговые потоки с валовыми внутренними продуктами исследуемых экономик. Связь описывается степенной зависимостью экспортного потока от валового внутреннего продукта обоих торговых партнеров. В отличие от моделей гравитационного типа, параметры регрессионных уравнений считаются постоянными для каждой пары торговых партнеров в течение всего прогнозируемого временного промежутка. Проведенные расчеты показали, что модели удовлетворительно описывают динамику монотонно меняющихся показателей и могут использоваться в качестве простого инструментария для прогнозирования национальной и региональной экономики.
Малинецкий Г.Г., Махов С.А. Динамика макроэкономических показателей и взаимной торговли стран БРИКС и США. Математическое моделирование и численные методы, 2023, No 1, с. 112–123.
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.
519.8 Моделировании противоборства двух сторон c учетом резервирования
Чуев В. Ю. (МГТУ им.Н.Э.Баумана), Дубограй И. В. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2023-2-155163
На основе метода динамики средних разработана модель противоборства двух сторон, учитывающая подвод резервов одной из сторон. Установлено, что своевременный подвод резервов может существенно повлиять на ход протекания процесса и его окончательный результат. Также показано, что использование резерва в начале действий значительно улучшает результативность противоборства сторон.
Чуев В.Ю., Дубограй И.В. Моделировании противоборства двух сторон c учетом резервирования. Математическое моделирование и численные методы,2023, № 2, с. 155–163
519.8 Стохастическая модель боевых действий однотипных боевых единиц против разнотипных
Чуев В. Ю. (МГТУ им.Н.Э.Баумана), Дубограй И. В. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2021-2-8695
На основе теории непрерывных марковских процессов разработана модель двухстороннего боя двух однотипных боевых единиц стороны X против двух разнотипных единиц противника. Получены расчётные формулы для вычисления текущих и окончательных состояний при различных тактиках ведения боя стороной Х. Разработанная модель двухстороннего боя может быть использована для оценки боевой эффективности многоцелевых комплексов вооружения.
Чуев В.Ю., Дубограй И.В. Стохастическая модель боевых действий однотипных боевых единиц против разнотипных. Математическое моделирование и численные методы, 2021, № 2, с. 86–95.
Полянин А. Д. (Институт проблем механики им. А.Ю. Ишлинского РАН), Шингарева И. К. (Университет Соноры)
doi: 10.18698/2309-3684-2021-2-96116
Впервые обсуждаются проблемы оценки индекса подобия неоднородных научных публикаций, содержащих уравнения и формулы. Показано, что наличие уравнений и формул (а также графиков, рисунков и таблиц) является осложняющим фактором, существенно затрудняющим исследование таких текстов. Доказано, что метод определения индекса подобия публикаций, основанный на учете отдельных математических символов и частей уравнений и формул, является неэффективным и может приводить к ошибочным и даже совершенно абсурдным выводам. Исследуются возможности наиболее популярных аналитических систем Антиплагиат и iThenticate, используемых в настоящее время в научных журналах для выявления плагиата и самоплагиата. Приведены результаты обработки системой iThenticate конкретных примеров и специальных тестовых задач, содержащих уравнения и формулы. Установлено, что эта аналитическая система при анализе неоднородных текстов часто неспособна отличить самоплагиат от псевдосамоплагиата — кажущегося (ложного, мнимого) самоплагиата. Рассмотрена модельная сложная ситуация, в которой идентификация самоплагиата требует привлечения высококвалифицированных специалистов узкого профиля. Предлагаются различные пути улучшения работы аналитических систем сопоставления неоднородных текстов. Данная статья будет полезна научным работникам и преподавателям вузов физико–математического и инженерного профиля, программистам, занимающимся проблемой распознавания образов и вопросами цифровой обработки изображений, а также широкому кругу читателей, которые интересуются вопросами плагиата и самоплагиата.
Полянин А.Д., Шингарева И.К. Индекс подобия математических и других научных публикаций с уравнениями и формулами и проблема идентификации самоплагиата. Математическое моделирование и численные методы, 2021, № 2, с. 96–116.
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.
Чуев В. Ю. (МГТУ им.Н.Э.Баумана), Дубограй И. В. (МГТУ им.Н.Э.Баумана)
doi: 10.18698/2309-3684-2023-3-125133
С помощью вероятностных методов предложена модель конфликта двух взаимодействующих систем, состоящих из многочисленных структурных единиц, с учетом эффекта задержки информации о взаимном состоянии: о структуре, количестве и параметрах структурных единиц друг друга. Проведено исследование влияния недостаточности информации в конкретный момент времени на исход процесса развития конфликта. Показано, что наличие информации о состоянии структурных единиц противоположной стороны может значительно увеличить вероятность успешности развития конфликта, причём при увеличении числа единиц структурных единиц разница в вероятности успешного развития сценария конфликта существенно увеличивается.
Чуев В.Ю., Дубограй И.В. Моделирование конфликта взаимодействующих систем с учетом эффекта получения информации о взаимном состоянии. Математическое моделирование и численные методы, 2023, № 3, с. 125–133
004.85:551.5051 Методы интеллектуального анализа данных в модели наукастинга опасных явлений
Шершакова А. О. (МГТУ им.Н.Э.Баумана), Пархоменко В. П. (МГТУ им.Н.Э.Баумана/ФИЦ ИУ РАН)
doi: 10.18698/2309-3684-2021-3-88104
Настоящая работа посвящена исследованию и применению методов интеллектуального анализа для реализации схемы наукастинга опасных явлений. В ходе работы были сформированы большие наборы данных на основе метеорологических наблюдений облачных ячеек, отличающиеся методами обработки информации для их подготовки. Для каждого набора был построен ряд математических моделей классификации облачных ячеек по степени опасности формирования из них смерчей. В качестве основного языка разработки выбран язык программирования Python. Работа имеет большое практическое значение в сфере прогнозирования погодных явлений. Ее новизна заключается в использовании современной методологии машинного обучения вместо традиционного подхода экстраполяции данных, широко применяемого в различных схемах наукастинга.
Шершакова А.О., Пархоменко В.П. Методы интеллектуального анализа данных в модели наукастинга опасных явлений. Математическое моделирование и численные методы, 2021, № 3, с. 88–104.
004.942 Математическая модель архитектуры комплекса средств распределенного проектирования
Белов В. Ф. (АУ «Технопарк–Мордовия»/МГУ им. Н.П. Огарева), Гаврюшин С. С. (МГТУ им.Н.Э.Баумана), Занкин А. И. (МГУ им. Н.П. Огарева), Исайкин В. Ю. (МГУ им. Н.П. Огарева)
doi: 10.18698/2309-3684-2024-1-110123
Целью статьи является разработка метода распределения задач проектирования изделий машиностроения на заданном множестве исполнителей работ. При этом исполнители работ структурно и географически связаны со своими цифровыми платформами, образующими в совокупности экосистему проектирования. Разработана математическая модель, которая может успешно применяться для генерации архитектуры комплекса средств, покрывающих задачи инженерии требований, системной архитектуры и испытаний для каждого проекта, закрепленного за одной из платформ. В качестве метода моделирования обосновано применение сети Петри. Её реализация в виде программного приложения для PLM-системы цифровой платформы может существенно повысить качество управления проектами и их портфелями.
Белов В.Ф., Гаврюшин С.С., Занкин А.И., Исайкин В.Ю. Математическая модель архитектуры комплекса средств распределенного проектирования. Математическое моделирование и численные методы, 2024, № 1, с. 110–123.