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, 2016, том 56, номер 5, страницы 896–908
DOI: https://doi.org/10.7868/S0044466916050057
(Mi zvmmf10387)
 

Эта публикация цитируется в 7 научных статьях (всего в 7 статьях)

Эффективное осреднение стохастических радиационных моделей на основе статистического моделирования

А. Ю. Амбос, Г. А. Михайлов

630090 Новосибирск, пр-т Акад. Лаврентьева, 6, ИВМиМГ СО РАН
Список литературы:
Аннотация: На основе численного статистического моделирования и вероятностного анализа осуществляется эффективное осреднение стохастических радиационных моделей, т.е. построение детерминированных моделей, воспроизводящих осредненные вероятности прохождения частиц через стохастическую среду. Для этого разработаны специальные алгоритмы “метода двойной рандомизации” и “метода сопряженных блужданий”. Для численного моделирования случайных сред используются однородные изотропные “мозаичные” модели Вороного и Пуассона. Параметры осредненных моделей оцениваются на основе свойств экспоненциального распределения и теории восстановления. Библ. 12. Табл. 9.
Ключевые слова: пуассоновский ансамбль, случайное поле, корреляционная длина, перенос излучения, функция пропускания, вероятность прохождения, метод максимального сечения, двойная рандомизация.
Финансовая поддержка Номер гранта
Российская академия наук - Федеральное агентство научных организаций 1.33
Российский фонд фундаментальных исследований 15-01-00894_а
16-01-00530_а
Работа выполнена при финансовой поддержке программы фундаментальных исследований Президиума РАН № 1.33 и РФФИ (коды проектов 15-01-00894; 16-01-00530).
Поступила в редакцию: 06.07.2016
Англоязычная версия:
Computational Mathematics and Mathematical Physics, 2016, Volume 56, Issue 5, Pages 881–893
DOI: https://doi.org/10.1134/S0965542516050055
Реферативные базы данных:
Тип публикации: Статья
УДК: 519.676
Образец цитирования: А. Ю. Амбос, Г. А. Михайлов, “Эффективное осреднение стохастических радиационных моделей на основе статистического моделирования”, Ж. вычисл. матем. и матем. физ., 56:5 (2016), 896–908; Comput. Math. Math. Phys., 56:5 (2016), 881–893
Цитирование в формате AMSBIB
\RBibitem{AmbMik16}
\by А.~Ю.~Амбос, Г.~А.~Михайлов
\paper Эффективное осреднение стохастических радиационных моделей на~основе статистического моделирования
\jour Ж. вычисл. матем. и матем. физ.
\yr 2016
\vol 56
\issue 5
\pages 896--908
\mathnet{http://mi.mathnet.ru/zvmmf10387}
\crossref{https://doi.org/10.7868/S0044466916050057}
\elib{https://elibrary.ru/item.asp?id=26068767}
\transl
\jour Comput. Math. Math. Phys.
\yr 2016
\vol 56
\issue 5
\pages 881--893
\crossref{https://doi.org/10.1134/S0965542516050055}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000377419200014}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-84974555589}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/zvmmf10387
  • https://www.mathnet.ru/rus/zvmmf/v56/i5/p896
  • Эта публикация цитируется в следующих 7 статьяx:
    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:279
    PDF полного текста:68
    Список литературы:62
    Первая страница:11
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024