Сибирский журнал вычислительной математики
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



Сиб. журн. вычисл. матем.:
Год:
Том:
Выпуск:
Страница:
Найти






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


Сибирский журнал вычислительной математики, 2018, том 21, номер 1, страницы 99–116
DOI: https://doi.org/10.15372/SJNM20180107
(Mi sjvm671)
 

Эта публикация цитируется в 21 научных статьях (всего в 21 статьях)

Согласованные численные схемы для решения нелинейных обратных задач идентификации источников градиентными алгоритмами и методами Ньютона–Канторовича

А. В. Пененко

Институт вычислительной математики и математической геофизики Сибирского отделения Российской академии наук, просп. Акад. М. А. Лаврентьева, 6, Новосибирск, 630090
Список литературы:
Аннотация: Рассмотрены алгоритмы решения обратной задачи идентификации источников для систем нелинейных обыкновенных дифференциальных уравнений продукции-деструкции. Построены согласованные, в смысле тождества Лагранжа, численные схемы для решения прямых и сопряженных задач. На основе сопряженных уравнений построен оператор чувствительности и его дискретный аналог, связывающий возмущения искомых параметров модели с возмущениями измеряемых величин. Этот оператор позволяет получить семейство квазилинейных операторных уравнений, связывающих искомые величины и данные обратной задачи. Для решения таких уравнений можно применять методы ньютоновского типа. В работе приводится численное сравнение эффективности градиентных алгоритмов на основе согласованных и несогласованных численных схем, а также алгоритма Ньютона–Канторовича при решении обратной задачи идентификации источника в нелинейной модели Лоренца.
Ключевые слова: обратная задача идентификации источников, метод Ньютона–Канторовича, градиентный алгоритм, сопряженные уравнения, оператор чувствительности, согласованные численные схемы.
Финансовая поддержка Номер гранта
Российская академия наук - Федеральное агентство научных организаций 1.33П
11.2П/1.3-3
Министерство образования и науки Российской Федерации MK-8214.2016.1
Российский фонд фундаментальных исследований 17-01-00137
Работа поддержана программами Президиума РАН (1.33П и 11.2П/1.3-3), проектом MK-8214.2016.1 и РФФИ (проект № 17-01-00137).
Статья поступила: 27.03.2017
Переработанный вариант: 14.06.2017
Англоязычная версия:
Numerical Analysis and Applications, 2018, Volume 11, Issue 1, Pages 73–88
DOI: https://doi.org/10.1134/S1995423918010081
Реферативные базы данных:
Тип публикации: Статья
УДК: 517.988+519.62
Образец цитирования: А. В. Пененко, “Согласованные численные схемы для решения нелинейных обратных задач идентификации источников градиентными алгоритмами и методами Ньютона–Канторовича”, Сиб. журн. вычисл. матем., 21:1 (2018), 99–116; Num. Anal. Appl., 11:1 (2018), 73–88
Цитирование в формате AMSBIB
\RBibitem{Pen18}
\by А.~В.~Пененко
\paper Согласованные численные схемы для решения нелинейных обратных задач идентификации источников градиентными алгоритмами и методами Ньютона--Канторовича
\jour Сиб. журн. вычисл. матем.
\yr 2018
\vol 21
\issue 1
\pages 99--116
\mathnet{http://mi.mathnet.ru/sjvm671}
\crossref{https://doi.org/10.15372/SJNM20180107}
\elib{https://elibrary.ru/item.asp?id=32466483}
\transl
\jour Num. Anal. Appl.
\yr 2018
\vol 11
\issue 1
\pages 73--88
\crossref{https://doi.org/10.1134/S1995423918010081}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000427431900007}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85043701579}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/sjvm671
  • https://www.mathnet.ru/rus/sjvm/v21/i1/p99
  • Эта публикация цитируется в следующих 21 статьяx:
    1. Gurami Tsitsiashvili, Alexey Gudimenko, Marina Osipova, “Fast Method for Estimating the Parameters of Partial Differential Equations from Inaccurate Observations”, Mathematics, 11:22 (2023), 4586  crossref
    2. Juri D. Kandilarov, Lubin G. Vulkov, Studies in Computational Intelligence, 1076, Advanced Computing in Industrial Mathematics, 2023, 77  crossref
    3. Gurami Tsitsiashvili, Marina Osipova, Yury Kharchenko, “Estimating the Coefficients of a System of Ordinary Differential Equations Based on Inaccurate Observations”, Mathematics, 10:3 (2022), 502  crossref
    4. К. Р. Айда-заде, Е. Р. Ашрафова, “Управление воздействиями в правых частях большой системы ОДУ блочной структуры и оптимизация источников в неразделенных краевых условиях”, Сиб. журн. вычисл. матем., 24:3 (2021), 229–251  mathnet  crossref; K. R. Aida-zade, Y. R. Ashrafova, “Control of effects in the right-hand sides of a large ODE system of a block structure and optimization of sources in unseparated boundary conditions”, Num. Anal. Appl., 14:3 (2021), 201–219  crossref  isi
    5. A. V. Penenko, Zh. S. Mukatova, A. B. Salimova, “Numerical study of the coefficient identification algorithm based on ensembles of adjoint problem solutions for a production-destruction model”, Int. J. Nonlinear Sci. Numer. Simul., 22:5 (2021), 581–592  crossref  mathscinet  isi  scopus
    6. A. Penenko, “Convergence analysis of the adjoint ensemble method in inverse source problems for advection-diffusion-reaction models with image-type measurements”, Inverse Probl. Imaging, 14:5 (2020), 757–782  crossref  mathscinet  zmath  isi  scopus
    7. А. В. Пененко, А. Б. Салимова, “Идентификация источника в уравнении Смолуховского с использованием ансамбля решений сопряженного уравнения”, Сиб. журн. вычисл. матем., 23:2 (2020), 183–199  mathnet  crossref; A. V. Penenko, A. B. Salimova, “Source indentification for the Smoluchowski equation using an ensemble of the adjoint equation solutions”, Num. Anal. Appl., 13:2 (2020), 152–164  crossref  isi
    8. Alexey Penenko, Alexander Gochakov, Vladimir Penenko, “Algorithms based on sensitivity operators for analyzing and solving inverse modeling problems of transport and transformation of atmospheric pollutants”, IOP Conf. Ser.: Earth Environ. Sci., 611:1 (2020), 012032  crossref
    9. А. В. Пененко, “Метод Ньютона–Канторовича для решения обратных задач идентификации источников в моделях продукции–деструкции с данными типа временных рядов”, Сиб. журн. вычисл. матем., 22:1 (2019), 57–79  mathnet  crossref  elib; A. V. Penenko, “The Newton–Kantorovich method in inverse source problems for production-destruction models with time series-type measurement data”, Num. Anal. Appl., 12:1 (2019), 51–69  crossref  isi
    10. A. Penenko, U. Zubairova, Zh. Mukatova, S. Nikolaev, “Numerical algorithm for morphogen synthesis region identification with indirect image-type measurement data”, J. Bioinform. Comput. Biol., 17:1, SI (2019), 1940002  crossref  isi  scopus
    11. I. Dimov, J. Kandilarov, V. Todorov, L. Vulkov, “Numerical analysis of a pollution and environment interaction model”, Numerical Methods and Applications, Nma 2018, Lecture Notes in Computer Science, eds. G. Nikolov, N. Kolkovska, K. Georgiev, Springer, 2019, 383–391  crossref  mathscinet  zmath  isi  scopus
    12. A. Penenko, Zh. Mukatova, A. Salimova, “Numerical solution of the coefficient inverse problem for a production-destruction model with various adjoint ensemble designs”, 2019 15Th International Asian School-Seminar Optimization Problems of Complex Systems (OPCS 2019), IEEE, 2019, 135–139  isi
    13. J. Kandilarov, L. Vulkov, “A transformation method for numerical identification of the time-dependent diffusion coefficient in parabolic equations”, Proceedings of the 45Th International Conference on Application of Mathematics in Engineering and Economics (Amee'19), AIP Conf. Proc., 2172, eds. V. Pasheva, N. Popivanov, G. Venkov, Amer. Inst. Phys., 2019, 070008  crossref  isi  scopus
    14. Alexey Penenko, Vladimir Penenko, Elena Tsvetova, Zhadyra Mukatova, Lecture Notes in Computer Science, 11386, Finite Difference Methods. Theory and Applications, 2019, 378  crossref
    15. Alexey Penenko, Zhadyra Mukatova, Akzhan Salimova, 2019 15th International Asian School-Seminar Optimization Problems of Complex Systems (OPCS), 2019, 135  crossref
    16. A V Penenko, Zh S Mukatova, A B Salimova, “Numerical analysis of an inverse coefficient problem for a chemical transformation model”, IOP Conf. Ser.: Earth Environ. Sci., 386:1 (2019), 012041  crossref
    17. Penenko A.V., Mukatova Zh.S., “A Numerical Evaluation of the Source Identification Algorithm For Atmospheric Chemistry Model With the Concentrations Time Series Data”, Proceedings of Spie, 10833, eds. Matvienko G., Romanovskii O., Spie-Int Soc Optical Engineering, 2018, UNSP 108338R  crossref  isi  scopus
    18. A V Penenko, “Algorithms for the inverse modelling of transport and transformation of atmospheric pollutants”, IOP Conf. Ser.: Earth Environ. Sci., 211 (2018), 012052  crossref
    19. I. Dimov, J. Kandilarov, L. Vulkov, AIP Conference Proceedings, 2048, 2018, 030014  crossref
    20. A. V. Penenko, Z. S. Mukatova, A. A. Blem, AIP Conference Proceedings, 2027, 2018, 030106  crossref
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Сибирский журнал вычислительной математики
    Статистика просмотров:
    Страница аннотации:383
    PDF полного текста:95
    Список литературы:45
    Первая страница:14
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2025