CC BY
6Секция 2 49
Исследование зависимости расхода р. Слюдянка от различных сценариев выпадения осадков в водосборе на основе стохастической модели
М. С. Акентьева, В. А. Огородников, Н. А. Каргаполова
Институт вычислительной математики и математической геофизики СО РАН Email: nkargapolova@gmail.com DOI: 10.24412/cl-35065-2022-1-00-48
В докладе будут представлены результаты стохастического моделирования условных временных рядов суточного расхода р. Слюдянка при различных сценариях выпадения осадков в водосборе. Будут рассмотрены модели негауссовских условных пространственно-временных полей осадков в водосборе и совместного с ними временного ряда расхода реки. При моделировании полей осадков используется предположение об однородности по пространству. Временные авто- и взаимные корреляционные связи между осадками и расходом реки полагаются независимыми от времени. В качестве условий рассматриваются различные режимы выпадения осадков в водосборе на интервалах заданной длительности.
Работа выполнена в рамках гранта № 075-15-2020-787 Министерства науки и высшего образования РФ на выполнение крупного научного проекта по приоритетным направлениям научно-технологического развития (проект "Фундаментальные основы, методы и технологии цифрового мониторинга и прогнозирования экологической обстановки Байкальской природной территории").
Ускорение алгоритма конкуренции
В. С. Антюфеев
Институт вычислительной математики и математической геофизики СО РАН
Новосибирский государственный университет
Email: ant@osmf.sscc.ru
DOI: 10.24412/cl-35065-2022-1-00-49
Задача распознавания может быть решена с помощью алгоритма конкуренции, который был разработан в [1]. Предложен такой метод моделирования точек в режиме обучения, который позволяет существенно ускорить процесс обучения. Приведен численные пример, показывающий увеличение эффективности модифицированного алгоритма.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 13-01-00441) и Междисциплинарного интеграционного проекта СО РАН № 47.
Список литературы
1. Antyufeev V. S. Solution of recognition problems by the Monte Carlo method // RJNAMM. 2012. V. 27, No 2. P. 113-130.
2. Antyufeev V. S. Theorem of Learning for a Competition Algorithm // Num. Analysis and Appl. 2013. V. 6, N 1. P. 1-8.
Numerical estimation of functionals from the solution to Smoluchowski equation by double randomization method
A. V. Burmistrov1,2, M. A. Korotchenko1
1Institute of Computational Mathematics and Mathematical Geophysics SB RAS 2Novosibirsk State University Email: burm@osmf.sscc.ru, kmaria@osmf.sscc.ru DOI: 10.24412/cl-35065-2022-1-00-50
In the framework of the previously elaborated approach [1, 2], and in continuation of work [3], we develop numerical algorithms to estimate the probability moments of linear functionals from the solution to the
50
Численное статистическое моделирование и методы Монте-Карло
coagulation equation with random coefficients. For this purpose, we use a double randomization method as well as a splitting method in order to reduce the computational costs of the algorithms.
This work was supported by the state contract with ICMMG SB RAS (0315-2019-0002). References
1. Burmistrov A., Korotchenko M. Double Randomization Method for Estimating the Moments of Solution to Vehicular Traffic Problems with Random Parameters // RJNAMM. 2020. V. 35, N 3. P. 143-152.
2. Burmistrov A. V., Korotchenko M. A. Weight Monte Carlo algorithms for estimation and parametric analysis of the solution to the kinetic coagulation equation // Num. Analysis and Appl. 2014. V. 7, N 2. P. 104-116.
3. Burmistrov A., Korotchenko M. Double randomization method for estimating the moments of solution to the coagulation equation // Marchuk Scientific Readings-2021: Abstracts of the Intern. conf., October 4-8, 2021. Novosibirsk: Institute of comput. mathematics and mat. geophysics SB RAS, 2021. P.68-69.
Об использовании приближенного алгоритма моделирования распределения Пуассона (с использованием стандартной нормальной случайной величины)
Д. И. Вотинцева2, И. Н. Медведев1,2
хИнститут вычислительной математики и математической геофизики СО РАН
2Новосибирский государственный университет
Email: min@osmf.sscc.ru
DOI: 10.24412/cl-35065-2022-1-00-51
В докладе представлено численное исследование статистической погрешности и эффективности использования приближенного алгоритма моделирования распределения Пуассона (с использованием стандартной нормальной случайной величины) по сравнению со стандартными точными алгоритмами для больших значений параметра Пуассона.
Работа выполнена в рамках государственного задания ИВМиМГ СО РАН № 0251-2021-0002. Список литературы
1. Medvedev, I. N., Mikhailov, G. A. New correlative randomized algorithms for statistical modelling of radiation transfer in stochastic medium // RJNAMM. 2021. V. 36, No 4. P. 219-225.
Сравнительный анализ быстродействия различных комбинаций алгоритмов моделирования траектории фотонов методом Монте-Карло в задачах ядерной медицины
М. А. Гурко
Институт теоретической и прикладной механики СО РАН Новосибирский государственный университет Email: m.gurko@g.nsu.ru DOI: 10.24412/cl-35065-2022-1-00-52
Задача переноса излучения является неотъемлемой частью имитационных исследований таких методов ядерной медицины как Позитронная Эмиссионная Томография (ПЭТ) и Однофотонная Эмиссионная Компьютерная Томография (ОФЭКТ). Метод Монте-Карло зарекомендовал себя как метод, позволяющий получать результаты, приближенные к клиническим. Основным недостатком метода Монте-Карло является его относительно низкое быстродействие по сравнению с другими численными методами, поэтому вопрос подбора наиболее эффективных алгоритмов под конкретные задачи является актуальным.
В данном исследовании был проведен сравнительный анализ быстродействия различных комбинации алгоритмов моделирования траектории фотонов в имитационных исследованиях методов ядерной
