Все выпуски

В работе развивается теория нового, так называемого двухпараметрического подхода к анализу и обработке случайных сигналов. Проведены математическое моделирование и сопоставление результатов решения задачи в условиях статистических моделей Гаусса и Райса. Дается обоснование применимости статистической модели Райса в условиях анализа огибающей измеряемого сигнала в задачах обработки данных и изображений. Развит и теоретически обоснован метод решения задачи шумоподавления и восстановления райсовского сигнала посредством одновременного вычисления двух статистических параметров — величины математического ожидания исходного сигнала и дисперсии шума — на основе принципа максимума правдоподобия. Проанализированы особенности функции правдоподобия для распределения Райса и вытекающие из них возможности оценки параметров сигнала и шума.

В работе рассматривается интегрирование уравнений Клейна–Гордона и Дирака в космологической модели Бъянки IX. При помощи метода некоммутативного интегрирования дифференциальных уравнений найдены новые точные решения для осесимметричной модели.

Метод некоммутативного интегрирования в данной задаче основан на использовании специального бесконечномерного голоморфного представления группы вращений, которое строится по невырожденной орбите коприсоединенного представления и комплексной поляризации невырожденного ковектора. Матричные элементы данного представления образуют полный и ортогональный набор и позволяют ввести обобщенное преобразование Фурье. Оператор Казимира группы вращений при этом преобразовании переходит в константу, а операторы симметрии, порожденные векторными полями Киллинга, — в линейные дифференциальные операторы первого порядка от одной зависимой переменной. Таким образом, релятивистские волновые уравнения на группе вращений допускают некоммутативную редукцию к обыкновенному дифференциальному уравнению. В отличие от широко известного метода разделения переменных метод некоммутативного интегрирования учитывает неабелеву алгебру операторов симметрии и дает решения, несущие информацию о некоммутативной симметрии задачи. Такие решения могут быть полезны для учета вакуумных квантовых эффектов и расчета конечных функций Грина методом раздвижки точек.

В работе для осесимметричной модели проведено сравнение полученных решений с известными, которые получаются методом разделения переменных. Показано, что некоммутативные решения выражаются через элементарные функции, тогда как известные решения определяются функцией Вигнера. Причем некоммутативно редуцированное уравнение Клейна–Гордона для осесимметричной модели совпадает с уравнением, редуцированным методом разделения переменных. А некоммутативно редуцированное уравнение Дирака эквивалентно редуцированному уравнению, полученному методом разделения переменных.

В данной работе рассматривается возможность применения концепции $(\delta, L)$-модели функции для оптимизационных задач, в которых посредством решения прямой задачи имеется необходимость восстанавливать решение двойственной задачи. Концепция $(\delta, L)$-модели основана на концепции $(\delta, L)$-оракула, предложенной Деволдером–Глинером–Нестеровым, при этом данные авторы предложили фукнционалы в оптимизационных задачах аппроксимировать сверху выпуклой параболой с некоторым аддитивным шумом $\delta$; таким образом, им удалось получить квадратичные верхние оценки с шумом даже для негладких функционалов. Концепция $(\delta, L)$-модели продолжает эту идею за счет того, что аппроксимация сверху делается не выпуклой параболой, а некоторым более сложным выпуклым функционалом. Возможность восстанавливать решение двойственной задачи хорошо зарекомендовала себя, так как во многих случаях в прямой задаче можно значительно быстрее находить решение, чем в двойственной. Отметим, что прямо-двойственные методы хорошо изучены, но при этом, как правило, каждый метод предлагается под конкретный класс задач. Наша же цель — предложить метод, который бы включал в себя сразу различные методы. Это реализуется за счет использования концепции $(\delta, L)$-модели и адаптивной структуры наших методов. Таким образом, нам удалось получить прямо-двойственный адаптивный градиентный метод и быстрый градиентный метод с $(\delta, L)$-моделью и доказать оценки сходимости для них, причем для некоторых классов задач данные оценки являются оптимальными. Основная идея заключается в том, что нахождение двойственных решений происходит относительно оптимизационной задачи, которая аппроксимируют прямую с помощью концепции $(\delta, L)$-модели и имеет более простую структуру, поэтому находить двойственное решение у нее проще. Стоит отметить, что это происходит на каждом шаге работы оптимизационного метода; таким образом, реализуется принцип «разделяй и властвуй».

Модели многозначной классификации возникают в различных сферах современной жизни, что объясняется всё большим количеством информации, требующей оперативного анализа. Одним из математических методов решения этой задачи является модульный метод, на первом этапе которого для каждого класса строится некоторая ранжирующая функция, упорядочивающая некоторым образом все объекты, а на втором этапе для каждого класса выбирается оптимальное значение порога, объекты с одной стороны которого относят к текущему классу, а с другой — нет. Пороги подбираются так, чтобы максимизировать целевую метрику качества. Алгоритмы, свойства которых изучаются в настоящей статье, посвящены второму этапу модульного подхода — выбору оптимального вектора порогов. Этот этап становится нетривиальным в случае использования в качестве целевой метрики качества $F$-меры от средней точности и полноты, так как она не допускает независимую оптимизацию порога в каждом классе. В задачах экстремальной многозначной классификации число классов может достигать сотен тысяч, поэтому исходная оптимизационная задача сводится к задаче поиска неподвижной точки специальным образом введенного отображения $\boldsymbol V$, определенного на единичном квадрате на плоскости средней точности $P$ и полноты $R$. Используя это отображение, для оптимизации предлагаются два алгоритма: метод линеаризации $F$-меры и метод анализа области определения отображения $\boldsymbol V$. На наборах данных многозначной классификации разного размера и природы исследуются свойства алгоритмов, в частности зависимость погрешности от числа классов, от параметра $F$-меры и от внутренних параметров методов. Обнаружена особенность работы обоих алгоритмов для задач с областью определения отображения $\boldsymbol V$, содержащей протяженные линейные участки границ. В случае когда оптимальная точка расположена в окрестности этих участков, погрешности обоих методов не уменьшаются с увеличением количества классов. При этом метод линеаризации достаточно точно определяет аргумент оптимальной точки, а метод анализа области определения отображения $\boldsymbol V$ — полярный радиус.

В работе обсуждается возможность моделирования турбулентных сжимаемых течений газа с использованием моделей турбулентности $k-\varepsilon$ стандартная (KES), $k-\varepsilon$ FlowVision (KEFV) и SST $k-\omega$. Представлена новая версия модели турбулентности KEFV. Показаны результаты ее тестирования. Проведено численное исследование истечения сверхзвуковой перерасширенной струи из конического сопла в безграничное пространство. Результаты сравниваются с экспериментальными данными. Демонстрируется зависимость результатов от сетки. Демонстрируется зависимость результатов от турбулентности, задаваемой на входе в сопло. Делается вывод о том, что в двухпараметрических моделях турбулентности необходимо учитывать сжимаемость. Для этого подходит простой способ, предложенный Вилкоксом в 1994 г. В результате область применимости трех указанных двухпараметрических моделей заметно расширяется. Предлагаются конкретные значения констант, управляющих учетом сжимаемости в подходе Вилкокса. Эти значения рекомендуется задавать в моделях KES, KEFV и SST при моделировании сжимаемых течений.

Дополнительно рассмотрен вопрос о том, как получать правильные характеристики сверхзвукового турбулентного течения с использованием двухпараметрических моделей турбулентности. Расчеты на разных сетках показали, что при задании ламинарного потока на входе в сопло и пристеночных функций на его поверхностях ядро потока остается ламинарным вплоть до 5-й бочки. Для получения правильных характеристик нужно либо на входе в расчетную область задавать два параметра, характеризующие турбулентность втекающего потока, либо задавать «затравочную» турбулентность в ограниченной области на выходе из сопла, охватывающей зону предполагаемого ламинарно-турбулентного перехода. Последняя возможность реализована в модели KEFV.

Представлен алгоритм моделирования ансамбля траекторий нестационарных временных рядов. Построена численная схема аппроксимации выборочной плотности функции распределения в задаче с закрепленными концами, когда начальное распределение за заданное количество шагов переходит в определенное конечное распределение, так, что на каждом шаге выполняется полугрупповое свойство решения уравнения Лиувилля. Модель позволяет численно построить эволюционирующие плотности функций распределения при случайном переключении состояний системы, порождающей исходный временной ряд.

Основная проблема, рассматриваемая в работе, связана с тем, что при численной реализации левосторонней разностной производной по времени решение становится неустойчивым, но именно такой подход отвечает моделированию эволюции. При выборе неявных устойчивых схем с «заходом в будущее» используется итерационный процесс, который на каждом своем шаге не отвечает полугрупповому свойству. Если же моделируется некоторый реальный процесс, в котором предположительно имеет место целеполагание, то желательно использовать схемы, которые порождают модель переходного процесса. Такая модель используется в дальнейшем для того, чтобы построить предиктор разладки, который позволит определить, в какое именно состояние переходит изучаемый процесс до того, как он действительно в него перешел. Описываемая в статье модель может использоваться как инструментарий моделирования реальных нестационарных временных рядов.

Схема моделирования состоит в следующем. Из заданного временного ряда отбираются фрагменты, отвечающие определенным состояниям, например трендам с заданными углами наклона и дисперсиями. Из этих фрагментов составляются эталонные распределения состояний. Затем определяются эмпирические распределения длительностей пребывания системы в указанных состояниях и длительности времени перехода из состояния в состояние. В соответствии с этими эмпирическими распределениями строится вероятностная модель разладки и моделируются соответствующие траектории временного ряда.