CC BY
15Численное статистическое моделирование и методы Монте-Карло
45
Список литературы
1. Finney M.A. A Method for Ensemble Wildland Fire Simulation // Environ Model Assess. 2011. № 16. С. 153-167.
2. Hajian, M., E. Melachrinoudis, and P. Kubat (2016). Modeling wildfire propagation with the stochastic shortest path: A fast simulation approach. Environmental Modelling & Software 82, 73-88.
3. Лепп Н.Э. Использование методов статистического моделирования для оценки интегральных характеристик природного пожара//Труды Международной конференции по вычислительной и прикладной математике "ВПМ'17" в рамках "Марчуковских научных чтений", Новосибирск, 25 июня - 14 июля [Электрон. ресурс]. http:// conf.nsc.ru/cam17/ru/proceedings. Стр. 543-548.
4. H.H. Zazali, a I.N. Towersa and J.J. Sharplesa. Incorporating environmental uncertainty in fire spread modelling 22nd International Congress on Modelling and Simulation, Hobart, Tasmania, Australia, 3 to 8 December 2017. https:// www.mssanz.org.au/modsim2017.
Численное статистическое исследование потока частиц с размножением в случайной среде
Г. З. Лотова
Институт вычислительной математики и математической геофизики СО РАН
Новосибирский государственный университет
Email: lot@osmf.sscc.ru
DOI: 10.24411/9999-017A-2020-10080
На основе статистического моделирования с использованием "двойной рандомизации" оценивается среднее число частиц в зависимости от времени. Изменение числа частиц может происходить из-за поглощения и размножения их в случайной среде. Целью работы является проверка аналитической "сверхэкспоненциальной" оценки асимптотики среднего числа частиц. Параметрами асимптотики являются математическое ожидание и дисперсия временной постоянной размножения частиц [1]. В докладе представлены рандомизированные алгоритмы для оценки этих вероятностных моментов и численные результаты для многослойной сферической системы, которые указывают на реальную возможность "сверхэкспоненциального" роста среднего числа частиц.
Работа выполнена в рамках госзадания (0315-2019-0002) и при частичной финансовой поддержке Российского фонда фундаментальных исследований (коды проектов 18-01-00356, 18-01-00599).
Список литературы
1. Galiya Z. Lotova and Guennady A. Mikhailov, The study of time dependence of particle flux with multiplication in a random medium // Russian J. of Numerical Analysis and Mathematical Modelling. 2020. Vol. 35. Iss. 1. P. 11-20.
Stochastic search algorithm for multivariate logistic regression
V. L. Lukinov
The Institute of Computational Mathematics and Mathematical Geophysics SB RAS The Novosibirsk State University
The Siberian State University of Telecommunications and Information Sciences Email: vitaliy.lukinov@gmail.com DOI: 10.24411/9999-017A-2020-10081
In this paper, a new stochastic parallel algorithm for searching the coefficients of multivariate logistic regression is presented [1, 3]. It is known [2] that the Newton - Raphson iterative method is numerically unstable due to a "poor" initial approximation and the existence of local minima. The restriction of the "poor" initial approximation is removed by means of a parallel solution of one-factor logistic regressions. The initial approximation in the proposed algorithm is constructed from weakly correlated covariant coefficients with the established achieved significance level [4]. A stochastic search of coefficient values allows avoiding hits in local minima when solving the optimization problem for the maximum likelihood criterion in multivariate logistic regression.
This work was conducted within the framework of the budget project 0315-2019-0002 for ICMMG SB RAS and was financially supported by the Russian Foundation for Basic Research (project code 18-01-00599).
