УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  ∆уков ѕ.»., ‘омин ј.¬., √лущенко ј.».
Ќазвание:  јлгоритмическа€ устойчивость и†сложность процесса не€вной адаптации сеточной модели нестационарной теплопроводности к†нагреваемому веществу
¬ыпуск:  101
–убрика:  јнализ и синтез систем управлени€
√од:  2023
Ѕиблиографи€:  ∆уков ѕ.»., ‘омин ј.¬., √лущенко ј.». јлгоритмическа€ устойчивость и†сложность процесса не€вной адаптации сеточной модели нестационарной теплопроводности к†нагреваемому веществу // ”правление большими системами. ¬ыпуск 101. ћ.: »ѕ” –јЌ, 2023. —.39-63. DOI: https://doi.org/10.25728/ubs.2023.101.3
 лючевые слова:  сеточна€ модель, нестационарна€ теплопроводность, адаптаци€, градиентный метод, алгоритмическа€ сложность, вычислительна€ устойчивость
 лючевые слова (англ.):  mesh model, nonstationary thermal conductivity, adaptation, gradient descent method, algorithmic complexity, computational stability
јннотаци€:  –ассматриваетс€ процесс адаптации численной модели нестационарной теплопроводности, реализованной при помощи методов конечных разностей. ƒл€ классического представлени€ данных моделей в большинстве приложений и задач уже доказана алгоритмическа€ устойчивость, но в данном случае рассматриваетс€ задача, св€занна€ с параметрической адаптацией уравнени€ нестационарной теплопроводности к нагреваемому веществу, выполненной при помощи решени€ смежной вариационной задачи. ќснова данного подхода предполагает замену теплофизических параметров рассматриваемого уравнени€ на свободно настраиваемые параметры и их коррекцию (Ђобучение моделиї) методом стохастического градиента. „тобы избежать попадани€ в области неустойчивости при Ђобученииї, необходимы ограничени€ на введенные настраиваемые параметры. ¬ данной работе такие ограничени€ получены на основании доказанных условий устойчивости классической конечно-разностной модели нестационарной теплопроводности. ¬ результате численного эксперимента было установлено, что предлагаемые ограничени€ позвол€ют в†среднем увеличить количество устойчивых начальных условий на 14%, увеличить количество попаданий в устойчивые траектории на 61%. “акже было проведено аналитическое сравнение пор€дков роста алгоритмической сложности классической и модифицированной модели. ¬ результате расчетов было установлено, что обе модели имеют пор€док роста ќ(n4), что было подтверждено численным экспериментом.
јннотаци€ (англ.):  This paper deals with the process of adaptation of a numerical model of nonstationary thermal conductivity implemented with the help of finite difference methods. The algorithmic stability has already been proved for the classical representation of these models in most applications and problems, but in this case we consider a problem related to the parametric adaptation of the equation of nonstationary heat conduction to the heated substance implemented by solving of the related variational problem. The basis of this approach implies replacement of thermophysical parameters of the equation in question by freely adjustable parameters and their adaptation ("model training") by a stochastic gradient method. Optimization of algorithmic equations that do not have an analytical form is associated with unstable initial conditions and "training" trajectories. To avoid falling into these regions we need to impose restrictions on the adjustable parameters. In this paper, such constraints are derived on the basis of proven stability conditions for the classical finite-difference model of non-stationary thermal conductivity. As a result of the numerical experiments, it is shown that the proposed constraints allow one to increase, on average, the number of stable initial conditions by 13%, as well as the number of experiments when stable trajectories are achieved - by 61%. In addition to this result, an analytical comparison of the growth orders of algorithmic complexity of the classical model and the modified one is also made. As a result of the calculations, it is found that both models have a growth order of O(n4), which is confirmed by numerical experiments.

¬ формате PDF

ѕросмотров: 269, загрузок: 58, за мес€ц: 6.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены