Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Статистическое моделирование диффузионно-скачкообразных процессов

Покупка
Основная коллекция
Артикул: 867198.01.99
Доступ онлайн
500 ₽
В корзину
Рассматриваются вопросы теории и практики численного моделирования диффузионно-скачкообразных процессов, заданных стохастическими дифференциальными уравнениями с пуассоновской составляющей. Для студентов и аспирантов физико-математического профиля.
Аверина, Т. А. Статистическое моделирование диффузионно-скачкообразных процессов : учебное пособие / Т. А. Аверина. – Москва ; Вологда : Инфра-Инженерия, 2025. - 112 с. – ISBN 978-5-9729-2444-8. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2226785 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Т. А. Аверина







        СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ДИФФУЗИОННО-СКАЧКООБРАЗНЫХ ПРОЦЕССОВ




Учебное пособие






















Москва Вологда «Инфра-Инженерия» 2025

УДК 519.676
ББК 22.19
     А19

Рецензент: доктор физико-математических наук, профессор ММФ НГУ В. А. Огородников















     Аверина, Т. А.
А19 Статистическое моделирование диффузионно-скачкообразных процессов : учебное пособие / Т. А. Аверина. - Москва ; Вологда : Инфра-Инженерия, 2025. - 112 с.: ил., табл.
         ISBN 978-5-9729-2444-8

         Рассматриваются вопросы теории и практики численного моделирования диффузионно-скачкообразных процессов, заданных стохастическими дифференциальными уравнениями с пуассоновской составляющей.
         Для студентов и аспирантов физико-математического профиля.


УДК 519.676
                                                                            ББК 22.19





ISBN 978-5-9729-2444-8

© Аверина Т. А., 2025
                              © Издательство «Инфра-Инженерия», 2025
                              © Оформление. Издательство «Инфра-Инженерия», 2025

            Оглавление



     Предисловие .......................................... 5

  1. Марковские процессы                                    7
     1.1. Марковские процессы...............................7
     1.2. Диффузионные процессы. Уравнение Фокксра-Планка-Колмогорова............................................8
     1.3. Диффузионные процессы, заданные стохастическими дифференциальными уравнениями............................10

  2. Диффузионно-скачкообразные процессы                   15
     2.1. Задача Коши для систем стохастических дифференциальных уравнений с пуассоновской составляющей............15
     2.2. Принцип построения алгоритмов численного решения С ДУ с пуассоновской составляющей..........................18

  3. Статистическое моделирование пуассоновских полей 26
     3.1. Три метода статистического моделирования.........31
     3.2. Сравнение методов................................36
     3.3. Специальный способ моделирования случайных величии . . 40
     3.4. Модифицированный метод «максимального сечения.» .... 47
     3.5. Сравнительный анализ приближенных алгоритмов моделирования пуассоновских процессов.......................48

  4. Статистическое моделирование диффузионноскачкообразных процессов                                  66
     4.1. Алгоритм моделирования СДУ с пуассоновской составляющей как системы со случайной структурой...............66
     4.2. Численный анализ СДУ с пуассоновской составляющей ... 70


     4.3. Использование метода «максимального сечения» в задаче фильтрации диффузионно-ска.чкобразных процессов........75
    Приложение. История возникновения теории флуктуационных явлений .......................................... 86

  Список литературы                                         100


        Предисловие

     Данное учебное пособие является дополнительным материалом к курсу «Численное решение обыкновенных и стохастических дифференциальных уравнений».
     Рассматриваются более общие системы СДУ, содержащие не только случайную винеровскую, но и пуассоновскую составляющие. Решением таких систем являются диффузионно-скачкообразные процессы.
     Первая глава, посвящена марковским процессам. Особенно выделен класс диффузионных марковских процессов, которые задаются стохастическими дифференциальными уравнениями.
     Во второй главе формулируется постановка задачи Коши для стохастических дифференциальных уравнений с пуассоновской составляющей. Решением этих СДУ являются диффузионно-скачкообразные процессы. Излагается принцип построения численных алгоритмов решения задачи Коши для стохастических дифференциальных уравнений с пуассоновской составляющей.
     Третья глава посвящена моделированию пуасоновского точечного поля, частным случаем которого является пуассоновская случайная мера. Вводится определение пуассоновского точечного поля и рассматриваются алгоритмы его точного и приближенного моделирования, которые используются при решении СДУ с пуассоновской составляющей. Проводится численное сравнение разработанных алгоритмов моделирования пуассоновского точечного поля.
     В четвертой главе дастся определение систем со случайной структурой и показано, что систему стохастических дифференциальных уравнений с пуассоновской составляющей можно задать как систему со случайной структурой с распределенными переходами. Также представлены результаты по апробации разработанных алгоритмов моделирования СДУ с пуассоновской составляющей. Построенные алгоритмы применены для решения задачи фильтрации диффузионно-скачкообразных процессов.
     В приложении кратко излагается история возникновения теории

t>

  флуктуационных явлений.
     Разработка алгоритмов статистического моделирования диффузионно-скачкообразных процессов, поведение которых описывается стохастическими дифференциальными уравнениями с пуассоновской составляющей, в настоящее время имеет особое значение в связи с возможностью их идеального распараллеливания путем распределения численных статистических испытаний по отдельным процессорам.


        Глава 1



            Марковские процессы



        1.1.  Марковские процессы

     Марковские процессы занимают особо важное положение среди других видов случайных процессов. Это объясняется тем, что, во-первых, для марковских процессов хорошо разработан математический аппарат, а во-вторых, при помощи марковских процессов можно описать пове-дение многих реальных физических систем. Основы теории марковских процессов с непрерывным временем были заложены А.Н. Колмогоровым в 1931 году в работе [36]. Случайный процесс y(t) (со значениями в G), t 6 [О, Т], называется марковским, если для последовательных моментов времени to < ti < ... < tₙ-i < tn условные плотности вероятностей
    тДЦЬ), tₙ|?/(tₙ-i), tₙ-i; ...y(t₀), to) = ДЦЬ), Ь|у(Ь-1), Ь-i), n > 1
  зависят только от последнего значения yₙ-i и не зависят от других более ранних значений [70]. Иначе говоря, будущее поведение марковского процесса не зависит от прошлого, если точно известно его состояние в настоящий момент времени. Именно поэтому марковские процессы называют процессами без последействия. Условную плотность вероятности принято называть плотностью вероятмости перехода (из состояния y(tz) в состояние y(t)). Так как многомерная плотность вероятности вычисляется по формуле


Pn(.y(to),...,y(tₙ_i), t₀,tn-l),
  то нетрудно получить, что многомерные плотности вероятностей марковских процессов выражаются через плотность вероятности псрсхо

  Да                 и одномерную начальную плотность вероятности
  р(уСо)Со):
Pn+i(j/(to),-,Z/(tn),to,-,in) =

7г(у(Ь),Ыу(Ь-1),Ь-1)тг(у(Ь-1),Ь-1|у(Ь-2),Ь-2) ' -

ДуД), Д|у(Ф), Ф)р(у(*о), io)  Следовательно, плотность вероятности перехода и одномерная начальная плотность вероятности полностью определяют марковский процесс. Обозначим
      Кп(у, i) = lim f[y(t + △) - y(t)]ⁿ7r(y(t + A), t + Д|у, t)dy = △->о A J

Rm^E([₂/(i + A)-₂/«|₂/(t)).
  Для плотности вероятности перехода случайных процессов, у которых существуют коэффициенты Kₙ(y,t), справедливо уравнение [70]:

^тг(у, t|у₀, t₀) =          [Кп(у, t^y, t\y₀, io)] -


        1.2. Диффузионные процессы. Уравнение
        Фоккера-Планка-Колмогорова

    Марковские процессы, для которых


Ю(у,4)^0, п= 1,2; A'ₙ(y,t) = O, п > 3


  называются диффузионными. Вероятность перехода диффузионного марковского процесса удовлетворяет следующим уравнениям в частных производных:
    (Этгбу, t|vo, io) д г                       1 5² г„. . ,      .    ..
    -------------= —Qy [/(уД)ЮД|УоДо)] + 2^ [5(уД)тг(уД|уо,4о)],


(1-1)


dir(y,t\yo,to)          д , ,        .   1       . д² . .       .
    -------Л7----- = Ж, to)^—тг(?/, t\y₀, to) + ~В(.Уо, *о)^тг(у, t\у₀, t₀) dt₀-----------ду₀                         2 dyfi
                                                                    (1-2) где
f(y, t) = Ki(y, t), B(y, t) = K₂(y, t).

     Коэффициенты f(y, t) и B(y,t) называют соответственно коэффициентами сноса и дифуфузии или локальными характеристиками процесса y(t) . Коэффициент сноса ф(у, t) характеризует среднее значение локальной скорости, а коэффициент диффузии B(y,t) - локальную скорость изменения дисперсии приращения марковского процесса. Коэффициент диффузии не может быть отрицательным: B(y,t) > 0 .
     Уравнение (1.1) называется уравнением Фоккера-Планка-Колмогорова или прямым уравнением (поскольку в нем фигурирует производная по конечному моменту времени t > to ф а уравнение (1.2) называется уравнением Колмогорова или обратным уравнением (так как в него входит производная по начальному моменту времени to < t). Такое название оправдано тем, что уравнение (1.1) для процесса броуновского движения встречалось в работах Фоккера [90] и Планка. [109]. Строгое математическое обоснование (1.1) было дано А. Н. Колмогоровым; им же впервые было получено уравнение (1.2) [36]. Для пу - мерного диффузионного процесса у = (г/i, ...,уПу)Т уравнения (1.1) и (1.2) имеют вид

₌ [Ж₍Ш ₍|и₍о₎]₊



5 У У Ф„ Q’b,‘I*’ *»>]■
                  ² i=l i=l аугуэ


дтг(у, tlx, to)            , д , .         .
—~ёГ„— - £ Л¹’ «ацЛ». <1*.«»)+
г=1



                | Пул         q2
                о5252В*ЛМо)^—ДуДМо), ² ᵢ₌i ᵢ₌i     OXⁱXi
fi{y,t) = Hm ^Е[(т/Д + А) -уД))Ш],
By (У-1) = £m -^E[(yᵢ(t + △) - т/Д))(%(£ + △) - %(t))|j/(t)].
  Для случая, когда, коэффициенты сноса, и диффузии зависят только от времени, эти уравнения были открыты и разрешены Башельс [78]. Для одномерной плотности вероятности марковского диффузионного процесса также справедливо уравнение Фоккера-Планка-Колмогорова
    dp(y,t)      д гг/ ч 1^\^\ д² гп ₍ ч , Ч₁
    -дГ ■ “ ? ай [Ж        <⁾] + 2 Д 5     [ ,Л’ Ш
              i—1                2—1 ъ—1
                        (1-3) р(уДо) =Ро(у)  Для отыскания решения уравнение Фоккера-Планка-Колмогорова (1.3) кроме начального условия нужно указать еще и граничные условия, которые определяются существом физической задачи [65, 72, 13]. Граница может быть 1) естественной, 2) притягивающей, 3) захватывающей, 4) регулярной [70]. Граничные условия нужно ставить лишь на захватывающей и регулярной границах, а естественные и притягивающие границы являются недостижимыми. При правильно сформулированной задаче начальные и граничные условия однозначно определяют плотность вероятности как решение уравнения Фоккера-Планка- Колмогорова.

        1.3. Диффузионные процессы, заданные стохастическими дифференциальными уравнениями

    Диффузионный марковский процесс с локальными характеристиками сноса а(у, t) и диффузии В [у, t) может быть записан с помощью стохастических дифференциальных уравнений (СДУ). Введение термина


Доступ онлайн
500 ₽
В корзину