Loading [MathJax]/jax/output/CommonHTML/jax.js
Журнал вычислительной математики и математической физики
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Ж. вычисл. матем. и матем. физ.:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Журнал вычислительной математики и математической физики, 2021, том 61, номер 8, страницы 1353–1362
DOI: https://doi.org/10.31857/S0044466921060077
(Mi zvmmf11280)
 

Эта публикация цитируется в 8 научных статьях (всего в 8 статьях)

Математическая физика

Численно-статистическое и аналитическое исследование асимптотики среднего потока частиц с размножением в случайной среде

Г. З. Лотоваa, Г. А. Михайловb

a 630090 Новосибирск, пр-т акад. Лаврентьева, 6, Институт вычислительной математики и математической геофизики СО РАН, Россия
b 630090 Новосибирск, ул. Пирогова, 1, Новосибирский государственный университет, Россия
Аннотация: Известно, что плотность потока частиц в размножающей среде при достаточно широких условиях асимптотически экспоненциальна по времени t с некоторым параметром λ, т.е. с показателем λt. Если среда случайна, то параметр λ – случайная величина, и для оценки временной асимптотики среднего (по реализациям среды) числа частиц можно в некотором приближении осреднять экспоненту по распределению λ. В предположении гауссовости этого распределения таким образом получается асимптотическая “сверхэкспоненциальная” оценка среднего потока, выражаемая экспонентой с показателем tEλ+t2Dλ/2. Для численной экспериментальной проверки такой оценки разработано вычисление вероятностных моментов случайного параметра λ на основе рандомизации фурье-приближений специальных нелинейных функционалов. Дано приложение указанной новой формулы к исследованию пандемии COVID-19.
Библ. 11. Фиг. 1. Табл. 3.
Ключевые слова: cтатистическое моделирование, асимптотика по времени, случайная среда, поток частиц, COVID-19.
Финансовая поддержка Номер гранта
Российский фонд фундаментальных исследований 18-01-00356
18-01-00599
Работа выполнена при частичной финансовой поддержке РФФИ (коды проектов 18-01-00356, 18-01-00599).
Поступила в редакцию: 11.07.2020
Исправленный вариант: 21.10.2020
Принята в печать: 11.02.2021
Англоязычная версия:
Computational Mathematics and Mathematical Physics, 2021, Volume 61, Issue 8, Pages 1330–1338
DOI: https://doi.org/10.1134/S0965542521060075
Реферативные базы данных:
Тип публикации: Статья
УДК: 519.676
Образец цитирования: Г. З. Лотова, Г. А. Михайлов, “Численно-статистическое и аналитическое исследование асимптотики среднего потока частиц с размножением в случайной среде”, Ж. вычисл. матем. и матем. физ., 61:8 (2021), 1353–1362; Comput. Math. Math. Phys., 61:8 (2021), 1330–1338
Цитирование в формате AMSBIB
\RBibitem{LotMik21}
\by Г.~З.~Лотова, Г.~А.~Михайлов
\paper Численно-статистическое и аналитическое исследование асимптотики среднего потока частиц с размножением в случайной среде
\jour Ж. вычисл. матем. и матем. физ.
\yr 2021
\vol 61
\issue 8
\pages 1353--1362
\mathnet{http://mi.mathnet.ru/zvmmf11280}
\crossref{https://doi.org/10.31857/S0044466921060077}
\elib{https://elibrary.ru/item.asp?id=46351131}
\transl
\jour Comput. Math. Math. Phys.
\yr 2021
\vol 61
\issue 8
\pages 1330--1338
\crossref{https://doi.org/10.1134/S0965542521060075}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000697201600009}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85115198810}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/zvmmf11280
  • https://www.mathnet.ru/rus/zvmmf/v61/i8/p1353
  • Эта публикация цитируется в следующих 8 статьяx:
    1. Olga Krivorotko, Sergey Kabanikhin, “Artificial intelligence for COVID-19 spread modeling”, Journal of Inverse and Ill-posed Problems, 32:2 (2024), 297  crossref
    2. Г. А. Михайлов, Г. З. Лотова, И. Н. Медведев, “Эффективно реализуемые приближенные модели случайных функций в стохастических задачах теории переноса частиц”, Сиб. журн. вычисл. матем., 27:2 (2024), 189–209  mathnet  crossref
    3. G. A. Mikhailov, G. Z. Lotova, I. N. Medvedev, “Efficiently Realized Approximate Models of Random Functions in Stochastic Problems of the Theory of Particle Transfer”, Numer. Analys. Appl., 17:2 (2024), 152  crossref
    4. Г. З. Лотова, Г. А. Михайлов, “Исследование сверхэкспоненциального роста среднего потока частиц в случайной размножающей среде”, Сиб. журн. вычисл. матем., 26:4 (2023), 401–413  mathnet  crossref
    5. О. И. Криворотько, С. И. Кабанихин, “О математическом моделировании COVID-19”, Сиб. электрон. матем. изв., 20:2 (2023), 1211–1268  mathnet  crossref
    6. Г. А. Михайлов, Г. З. Лотова, “Численно-статистическое исследование суперэкспоненциального роста среднего потока частиц, размножающихся в однородной случайной среде”, Докл. РАН. Матем., информ., проц. упр., 514:1 (2023), 112–117  mathnet  crossref  elib; G. A. Mikhailov, G. Z. Lotova, “Numerical-statistical investigation of superexponential growth of the mean particle flux with multiplication in a homogeneous random medium”, Dokl. Math., 108:3 (2023), 519–523  crossref
    7. Olga Krivorotko, Mariia Sosnovskaia, Sergey Kabanikhin, “Agent-based mathematical model of COVID-19 spread in Novosibirsk region: Identifiability, optimization and forecasting”, Journal of Inverse and Ill-posed Problems, 2023  crossref
    8. G. Z. Lotova, G. A. Mikhailov, “Investigation of Overexponential Growth of Mean Particle Flux with Multiplication in Random Medium”, Numer. Analys. Appl., 16:4 (2023), 337  crossref
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Журнал вычислительной математики и математической физики Computational Mathematics and Mathematical Physics
    Статистика просмотров:
    Страница аннотации:113
     
      Обратная связь:
    math-net2025_03@mi-ras.ru
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2025