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.
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
\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:
Olga Krivorotko, Sergey Kabanikhin, “Artificial intelligence for COVID-19 spread modeling”, Journal of Inverse and Ill-posed Problems, 32:2 (2024), 297
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
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
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
О. И. Криворотько, С. И. Кабанихин, “О математическом моделировании COVID-19”, Сиб. электрон. матем. изв., 20:2 (2023), 1211–1268
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; 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
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
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