Системы анализа и обработки данных

СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

ISSN (печатн.): 2782-2001          ISSN (онлайн): 2782-215X
English | Русский

Последний выпуск
№3(103) Июль-Сентябрь 2026

Анализ численных методов интегрирования жестких систем высокой размерности в SimInTech

Выпуск № 4 (88) Октябрь - Декабрь 2022
Авторы:

Шорников Юрий Владимирович ,
Тимофеев Константин Александрович ,
DOI: http://dx.doi.org/10.17212/2782-2001-2022-4-63-74
Аннотация

При численном моделировании различных динамических систем часто возникает вопрос эффективности того или иного численного метода интегрирования применительно к определенному классу задач. Важным классом задач Коши являются жесткие задачи высокой размерности. Одним из примеров такой задачи является модель проникновения помеченных радиоактивной меткой антител в пораженную опухолью ткань живого организма. Методом прямых исходная начально-краевая задача для системы дифференциальных уравнений в частных производных аппроксимируется задачей Коши. Приведена компьютерная модель, выполненная в программном комплексе SimInTech. Проведен сравнительный анализ эффективности явных адаптивных методов и диагонально-неявных методов при различных размерах шага сетки по пространственной переменной. Показано, что наиболее эффективными при решении задач рассмотренного класса являются диагонально-неявные методы интегрирования типа Рунге-Кутты – DIRK2 и DIRK4 из пакета SimInTech. Метод DIRK3 уступает в связи с большим количеством вычислений матрицы Якоби. Предпочтительным в данном случаем скорее является метод DIRK2, так как он имеет при практически той же производительности большее количество шагов по времени и не так сильно увеличивает шаг интегрирования при сравнительно низких настройках точности метода интегрирования. Из явных методов типа Рунге-Кутты с адаптивной численной схемой наиболее эффективным для решения задач подобного класса является метод «Адаптивный-5». Для задач подобного класса можно рекомендовать использование явных методов интегрирования «Адаптивный-5», «Адаптивный-1» при небольшой размерности системы. Традиционные неявные методы интегрирования Гира и Эйлера также эффективно решают данную задачу при условии эффективной реализации алгоритма вычисления матрицы Якоби.


Ключевые слова: дифференциальные уравнения, диффузия, радиоактивные метки, жесткие динамические системы, программная модель, численные методы, неявные методы интегрирования, диагонально-неявные методы интегрирования Рунге-Кутты, моделирование
Шорников Юрий Владимирович
630073, Новосибирск, пр. Карла Маркса, 20, Новосибирский государственный технический университет,
shornikov@corp.nstu.ru
Orcid: 0000-0001-9604-4152

Тимофеев Константин Александрович
630073, Новосибирск, пр. Карла Маркса, 20, Новосибирский государственный технический университет,
k.timofeev@corp.nstu.ru
Orcid: 0000-0001-5495-4174

Список литературы

1. Колесов Ю.Б., Сениченков Ю.Б. Моделирование систем. Динамические и гибридные системы. – СПб.: БХВ-Петербург, 2012. – 224 с.



2. Хайрер Э., Ваннер Г. Решение обыкновенных дифференциальных уравнений: жесткие и дифференциально-алгебраические задачи. – М.: Мир, 1999. – 685 с.



3. Cellier F.E., Kofman E. Continuous system simulation. – Springer US, 2006. – 644 p.



4. Скворцов Л.М. Численное решение обыкновенных дифференциальных и дифференциально-алгебраических уравнений. – М.: ДМК Пресс, 2018. – 230 с. – ISBN 978-5-97060-636-0.



5. Mazzia F., Iavernaro F. Test set for initial value problem solvers. Report 40/2003 / Department of Mathematics, University of Bari. – Bari, Italy, 2003.



6. Среда динамического моделирования технических систем SimInTech: практикум по моделированию систем автоматического регулирования / Б.А. Карташов, Е.А. Шабаев, О.С. Козлов, А.М. Щекатуров. – М.: ДМК Пресс, 2017. – 424 с. – ISBN 978-5-97060-482-3.



7. Скворцов Л.М. Явные адаптивные методы численного решения жестких систем // Математическое моделирование. – 2000. – Т. 12, № 12. – С. 97–107.



8. Скворцов Л.М. Диагонально неявные FSAL-методы Рунге–Кутты для жестких и дифференциально-алгебраических систем // Математическое моделирование. – 2002. – Т. 14, № 2. – С. 3–17.



9. Скворцов Л.М. Неявный метод пятого порядка для численного решения дифференциально-алгебраических уравнений // Журнал вычислительной математики и математической физики. – 2015. – Т. 55, № 6. – С. 978–984.



10. Alexander R. Diagonally implicit Runge–Kutta methods for stiff O.D.E.'s // SIAM Journal on Numerical Analysis. – 1977. – Vol. l4, N 6. – P. l006–1021.



11. Lioen W.M., Swart J.J.B de. Test set for initial value problem solvers. Report MAS-R9832 / Centrum Wiskunde & Informatica (CWI). – Amsterdam, December 1998.



12. Программный комплекс для исследования динамики и проектирования технических систем / О.С. Козлов, Д.Е. Кондаков, Л.М. Скворцов, К.А. Тимофеев, В.В. Ходаковский // Информационные технологии. – 2005. – № 9. – С. 20–25.



13. Kværnø A. Singly diagonally implicit Runge–Kutta methods with an explicit first stage // BIT Numerical Mathematics. – 2004. – Vol. 44, N 3. – P. 489–502.



14. Hosea M.E., Shampine L.F. Analysis and implementation of TR BDF2 // Applied Numerical Mathematics. – 1996. – Vol. 20, N 1–3. – P. 21–37.



15. Левыкин А.И., Новиков А.Е., Новиков Е.А. (m, k)-схемы решения дифференциально-алгебраических и жестких систем // Сибирский журнал вычислительной математики. – 2020. – Т. 23, № 1. – С. 39–51.

Просмотров аннотации: 1144
Скачиваний полного текста: 777
Просмотров интерактивной версии: 0
Для цитирования:

Шорников Ю.В., Тимофеев К.А. Анализ численных методов интегрирования жестких систем высокой размерности в SimInTech // Системы анализа и обработки данных. – 2022. – № 4 (88). – С. 63–74. – DOI: 10.17212/2782-2001-2022-4-63-74.

For citation:

Shornikov Yu.V., Timofeev K.A. Analiz chislennykh metodov integrirovaniya zhestkikh si-stem vysokoi razmernosti v SimInTech [Analysis of numerical methods for integrating high-dimensional stiff systems in SimInTech]. Sistemy analiza i obrabotki dannykh = Analysis and Data Processing Systems, 2022, no. 4 (88), pp. 63–74. DOI: 10.17212/2782-2001-2022-4-63-74.

 

Обработка персональных данных

Мы используем сервис веб-аналитики Яндекс Метрика, который использует cookie.

Собранная при помощи cookie информация не может идентифицировать вас, однако может помочь нам улучшить работу нашего сайта. Вы можете отказаться от использования cookies, выбрав соответствующие настройки в браузере. Также Вы можете запретить сбор данных с помощью расширения для браузера «Блокировщик Яндекс Метрики». Используя этот сайт, вы соглашаетесь на обработку персональных данных.