CC BY
1742 Секция 3
Ускорение алгоритма конкуренции
В. С. Антюфеев
Институт вычислительной математики и математической геофизики СО РАН
Email: ant@osmf.sscc.ru
DOI: 10.24411/9999-017A-2019-10083
Рассматривается алгоритм конкуренции, предложенный в [1]. В этом методе точки в режиме обучения моделируют равномерно. Такое обучение не является эффективным.
В работе предложен метод моделирования точек в режиме обучения, где точки моделируют неравномерно. Новый метод основан на использовании понятия энтропии случайной системы. Он позволяет существенно ускорить процесс обучения для фиксированного уровня ошибок обучения.
Список литературы
1. Antyufeev V.S. Solution of recognition problems by the Monte Carlo method. RJNAMM, Vol.27, No.2, 2012, pp.113-130
Математическое моделирование процессов дезактивации катализаторов тяжелой нефти
Я. В. Базайкин1,2, Е. Г. Малькович1,2 1Институт математики им. С. Л. Соболева СО РАН 2Новосибирский государственный университет Email: bazaikin@math.nsc.ru DOI: 10.24411/9999-017A-2019-10084
Тело катализатора процессов гидрирования тяжелой нефти состоит из пуассоново распределенных, пересекающихся зерен оксида алюминия сферической формы и средним диаметром 10 нм. Процесс дезактивации катализатора связан с ростом диаметров зерен оксида алюминия из-за осаждения частиц кокса на их поверхности. При дезактивации характеристики порового пространства изменяются, увеличивая диффузионные препятствия для проникновения молекул асфальтенов внутрь гранулы катализатора. Для ослабления диффузионных препятствий в теле катализатора создают дополнительные сферические макропоры диаметром 30-200 нм, катализаторы с соответствующей пористой структурой называются бимодальными.
Основными геометрическими характеристиками порового пространства, влияющими на диффузию, являются пористость, извилистость и удельная площадь поверхности. В настоящей работе строится модель для мезопористых и макропористых катализаторов, измеряются геометрические характеристики порового пространства на каждом из этапов дезактивации. Пористость и удельная площадь поверхности вычисляются используя методы Монте-Карло, извилистость вычисляется с помощью алгоритма Дейкстры поиска наименьшего пути и аппроксимации порового пространства пространственным графом [1]. Полученные характеристики используются как параметры эллиптического уравнения, отвечающего закону Фика диффузии молекул в пористом пространстве катализатора. В итоге путем интегрирования решения уравнения Фика вычисляется коэффициент эффективности катализатора.
Список литературы
1. V S. Semeykina, E. G. Malkovich, Ya. V Bazaikin, A. I. Lysikov, E. V. Parkhomchuk. Optimal Catalyst Texture in Macromolecule Conversion: A Computational and Experimental Study. Chemical Engineering Science. 2018. V. 188. P. 1-10.
Моделирование автотранспортного потока со случайными параметрами
А. В. Бурмистров1,2, М. А. Коротченко1
1Институт вычислительной математики и математической геофизики СО РАН
2Новосибирский государственный университет
Email: burm@osmf.sscc.ru
DOI: 10.24411/9999-017A-2019-10085
В данной работе авторами разработаны новые алгоритмы метода Монте-Карло для численной оценки вероятностных моментов линейных функционалов от решения уравнения больцмановского типа со случайными параметрами, которое возникает в кинетической модели автотранспортного потока. Для
