Все выпуски
- 2024 Том 16
- 2023 Том 15
- 2022 Том 14
- 2021 Том 13
- 2020 Том 12
- 2019 Том 11
- 2018 Том 10
- 2017 Том 9
- 2016 Том 8
- 2015 Том 7
- 2014 Том 6
- 2013 Том 5
- 2012 Том 4
- 2011 Том 3
- 2010 Том 2
- 2009 Том 1
-
Стохастическая оптимизация в задаче цифрового предыскажения сигнала
Компьютерные исследования и моделирование, 2022, т. 14, № 2, с. 399-416В данной статье осуществляется сравнение эффективности некоторых современных методов и практик стохастической оптимизации применительно к задаче цифрового предыскажения сигнала (DPD), которое является важной составляющей процесса обработки сигнала на базовых станциях, обеспечивающих беспроводную связь. В частности, рассматривается два круга вопросов о возможностях применения стохастических методов для обучения моделей класса Винера – Гаммерштейна в рамках подхода минимизации эмпирического риска: касательно улучшения глубины и скорости сходимости данного метода оптимизации и относительно близости самой постановки задачи (выбранной модели симуляции) к наблюдаемому в действительности поведению устройства. Так, в первой части этого исследования внимание будет сосредоточено на вопросе о нахождении наиболее эффективного метода оптимизации и дополнительных к нему модификаций. Во второй части предлагается новая квази-онлайн-постановка задачи и, соответственно, среда для тестирования эффективности методов, благодаря которым результаты численного моделирования удается привести в соответствие с поведением реального прототипа устройства DPD. В рамках этой новой постановки далее осуществляется повторное тестирование некоторых избранных практик, более подробно рассмотренных в первой части исследования, и также обнаруживаются и подчеркиваются преимущества нового лидирующего метода оптимизации, оказывающегося теперь также наиболее эффективным и в практических тестах. Для конкретной рассмотренной модели максимально достигнутое улучшение глубины сходимости составило 7% в стандартном режиме и 5% в онлайн-постановке (при том что метрика сама по себе имеет логарифмическую шкалу). Также благодаря дополнительным техникам оказывается возможным сократить время обучения модели DPD вдвое, сохранив улучшение глубины сходимости на 3% и 6% для стандартного и онлайн-режимов соответственно. Все сравнения производятся с методом оптимизации Adam, который был отмечен как лучший стохастический метод для задачи DPD из рассматриваемых в предшествующей работе [Pasechnyuk et al., 2021], и с методом оптимизации Adamax, который оказывается наиболее эффективным в предлагаемом онлайн-режиме.
Ключевые слова: цифровое предыскажение, обработка сигнала, стохастическая оптимизация, онлайн-обучение. -
Численная модель механического отклика самоподъемной плавучей буровой установки на сейсмические воздействия
Компьютерные исследования и моделирование, 2022, т. 14, № 4, с. 853-871В работе представлены результаты численного моделирования напряженно-деформированного состояния самоподъемных плавучих буровых установок, использующихся для освоения шельфовых месторождений углеводородов. Изучены равновесное напряженное состояние установки, погруженной в донный грунт, и его изменение, вызванное внешним механическим воздействием. Рассмотрена частная задача, в рамках которой в роли внешнего воздействия выступает поверхностная сейсмическая волна от удаленного землетрясения. Исследован отклик системы «самоподъемная плавучая буровая установка – донный грунт» на такое воздействие: проанализировано перераспределение полей напряжений и деформаций в системе, вызванное сейсмическим воздействием. Рассмотрен вопрос устойчивости установки: продемонстрировано, что приход сейсмической волны приводит к резкому росту напряжений в определенных элементах опорных колонн, что может привести к потере устойчивости. Для численного моделирования рассмотренной контактной задачи теории упругости использован метод конечных элементов. Проверка корректности постановки задачи и сходимости ее решения была выполнена путем рассмотрения известной задачи о вдавливании жесткого цилиндра в упругое полупространство. Показано, что использующаяся для анализа устойчивости самоподъемной буровой установки численная схема дает верные результаты для рассмотренной модельной задачи при условии корректного построения сетки конечных элементов. В рамках работы были исследованы роли различных факторов, определяющих условия достижения напряжениями в самоподъемной плавучей буровой установке критических значений: рассмотрены степень выраженности сейсмического воздействия, механические свойства донного грунта и глубина погружения опорных колонн установки в грунт. Сделаны предварительные выводы о необходимости заглубления опорных колонн в донный грунт с учетомег о механических свойств и характерной для региона сейсмичности. Представленный в работе подход может быть использован в качестве инструмента для прогноза рисков, связанных с освоениемм есторождений углеводородов, расположенных на континентальном шельфе, а использованная схема численного моделирования — для решения класса контактных задач теории упругости, требующих анализа динамических процессов.
-
Математическое моделирование водного режима двух агрочерноземов с различным уровнем залегания карбонатов
Компьютерные исследования и моделирование, 2016, т. 8, № 2, с. 401-410Просмотров за год: 2. Цитирований: 1 (РИНЦ).Моделирование водного режима агрочерноземов проводили для двух участков, на одном из которых в течение пятидесяти лет поддерживается бессменная монокультура кукурузы, на втором — бессменный черный пар. В почве под кукурузой карбонаты обнаруживаются начиная с глубины 140–160 см, под черным паром — с глубины 70–80 см. Моделирование с применением пакета HYDRUS-1D и метода ФАО56 показало, что гидрологический режим агрочерноземов на двух участках различен. Под черным паром влажность почвы в целом выше, чем под кукурузой. Восходящие потоки влаги под черным паром существенно больше, чем под кукурузой, и захватывают более мощный слой почвы.
Журнал индексируется в Scopus
Полнотекстовая версия журнала доступна также на сайте научной электронной библиотеки eLIBRARY.RU
Журнал входит в систему Российского индекса научного цитирования.
Журнал включен в базу данных Russian Science Citation Index (RSCI) на платформе Web of Science
Международная Междисциплинарная Конференция "Математика. Компьютер. Образование"