Статистическое моделирование диффузионно-скачкообразных процессов
Покупка
Основная коллекция
Тематика:
Общая физика
Издательство:
Инфра-Инженерия
Год издания: 2025
Кол-во страниц: 112
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-9729-2444-8
Артикул: 867198.01.99
Рассматриваются вопросы теории и практики численного моделирования диффузионно-скачкообразных процессов, заданных стохастическими дифференциальными уравнениями с пуассоновской составляющей.
Для студентов и аспирантов физико-математического профиля.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 01.03.01: Математика
- 03.03.01: Прикладные математика и физика
- ВО - Специалитет
- 03.05.02: Фундаментальная и прикладная физика
ГРНТИ:
Скопировать запись
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