• Main Navigation
  • Main Content
  • Sidebar

Электронные библиотеки

  • Главная
  • О нас
    • О журнале
    • Цели и задачи
    • Тематика
    • Главный редактор
    • Редакция
    • Отправка материалов
    • Заявление об открытом доступе
    • Заявление о конфиденциальности
    • Контакты
  • Текущий выпуск
  • Архивы
  • Регистрация
  • Вход
  • Поиск
Издается с 1998 года
ISSN 1562-5419
16+
Language
  • Русский
  • English

Найти

Расширенные фильтры

Результаты поиска

Распределение температуры на границе астеносфера–литосфера (математическая модель)

Александр Наумович Четырбоцкий
376-401
Аннотация:

Рассмотрена конвекция вещества верхней мантии Земли, которая в приближении Обербека–Буссинеска обусловлена термогравитационной дифференциацией. В рамках этого приближения выполнено 2-D численное моделирование конвективных течений вещества среды. Уравнение для температуры следует из соотношения баланса энтропии, где вследствие учета в системе переменной вязкости присутствует эффект диссипации энергии. Краевые условия отвечают заданию общепринятой на границе верхней и нижней мантий температуры, а для боковых границ – их теплоизолированность. На границе астеносфера–литосфера приняты допущения о том, что динамика тепла определяется его потоком с ближнего к границе слоя астеносферы, рассеиванием части тепла вдоль границы и расходами тепла на плавление вещества литосферы. Численное решение определяющих уравнений выполнено в переменных функция тока – завихренность. Приведена итерационная схема их решения. Обсуждены вопросы программной реализации аппарата численного моделирования. Показано, что при таких краевых условиях в рассматриваемой системе формируется квазипериодических режим колебаний тепла.

Ключевые слова: астеносфера, приближение Обербека–Буссинеска, мантийная конвекция, граничные условия, численный алгоритм.

Методика и предварительные результаты синтеза ионограмм вертикального радиозондирования ионосферы посредством физически информированных нейросетей

Александр Максимович Симаков, Андрей Олегович Щирый
2588-2600
Аннотация:

Исследован синтез ионограмм вертикального радиозондирования ионосферы с использованием физически информированных нейронных сетей. В предложенном подходе нейронная сеть применена не для непосредственного формирования изображения, а для аппроксимации высотного профиля электронной концентрации. Обучение сети выполнено с учетом стационарного одномерного уравнения баланса, включающего источник ионизации, рекомбинационные потери и эффективный перенос заряженных частиц. В функцию потерь дополнительно введены граничные условия, ограничение на гладкость профиля и диагностические параметры слоя F2. Полученный профиль электронной концентрации преобразован в распределение плазменной частоты по высоте. Затем без учета магнитного поля Земли и столкновений электронов с другими частицами рассчитаны точки отражения, групповой показатель преломления и зависимость действующей высоты от частоты зондирования. На основе этой зависимости сформировано синтетическое изображение ионограммы с фоновым шумом и вертикальными помеховыми структурами. В пилотном эксперименте получены физически разумные масштабы максимума электронной концентрации и критической частоты слоя F2. Результаты подтверждают возможность построения единой физически согласованной цепочки от высотного профиля электронной концентрации до изображения ионограммы. Разработанный подход может применяться для генерации контролируемых синтетических данных, исследования влияния параметров ионосферы на форму ионограммных следов и последующей разработки алгоритмов автоматической обработки результатов радиозондирования.

Ключевые слова: ионосфера, ионограмма, вертикальное радиозондирование, электронная концентрация, плазменная частота, действующая высота, физически информированная нейронная сеть, PINN, синтетические данные, машинное обучение, радиофизическая модель.

Обратная задача идентификации термофизических параметров модели Грина – Нагди III типа для упругого стержня на основе физически информированной нейронной сети

Яна Андреевна Вахтерова, Дарья Андреевна Леонтьева
852-869
Аннотация:

Исследована обратная задача идентификации безразмерного коэффициента теплопроводности  для уравнения Грина – Нагди III типа, которое описывает распространение тепловых возмущений с конечной скоростью и учитывает инерционные эффекты теплового потока. Для обратной задачи нарушается требование устойчивости (критерий Адамара), в результате чего даже минимальные искажения данных ведут к значительным ошибкам идентификации параметра.
В качестве метода решения задачи идентификации использован подход на основе физически информированных нейронных сетей (ФИНС), сочетающий возможности глубокого обучения с априорными знаниями о структуре дифференциального уравнения. Параметр  включен в число обучаемых переменных, а функция потерь сформирована на основе дифференциального уравнения, граничных условий, начальных условий и зашумленных экспериментальных данных с точечного датчика. Представлены результаты вычислительных экспериментов, демонстрирующие высокую точность восстановления параметра (погрешность менее 0.03%) и устойчивость метода к наличию аддитивного гауссовского шума в данных. Метод ФИНС показал себя как эффективный инструмент решения некорректных обратных задач математической физики.

Ключевые слова: обратная задача, модель Грина – Нагди III типа, термоупругость, глубокое машинное обучение, физически информированные нейронные сети.
1 - 3 из 3 результатов
Информация
  • Для читателей
  • Для авторов
  • Для библиотек
Отправить материал
Текущий выпуск
  • Логотип Atom
  • Логотип RSS2
  • Логотип RSS1

Электронные библиотеки

ISSN 1562-5419

Информация

  • О журнале
  • Цели и задачи
  • Тематика
  • Руководство для авторов
  • Отправка материалов
  • Заявление о конфиденциальности
  • Контакты
  • eLIBRARY.RU
  • dblp computer science bibliography

Отправить статью

Авторам нужно зарегистрироваться в журнале перед отправкой материалов, или, если вы уже зарегистрированы, можно просто войти со своей учетной записью и начать процесс отправки, состоящий из пяти шагов.

Отправить материал
Больше информации об этой издательской системе, платформе и рабочем процессе от OJS/PKP.

© 2015-2026 Казанский (Приволжский) федеральный университет; Институт развития информационного общества