Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 18.223.125.236
    [SESS_TIME] => 1732187048
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 6a83fd0b1fee9b4f8a8cb640b44a9ba0
    [UNIQUE_KEY] => 24c829348fa64d97f4d20d891569709e
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Физика горения и взрыва

2023 год, номер 2

МОДЕЛИРОВАНИЕ ПРОЦЕССА ГОРЕНИЯ ВОДОРОДА ПРИ РАЗЛИЧНЫХ ДАВЛЕНИЯХ С ПОМОЩЬЮ НЕЙРОННОЙ СЕТИ

М.Ю. Мальсагов1, Е.В. Михальченко1, Я.М. Карандашев1,2, В.Ф. Никитин1
1Научно-исследовательский институт системных исследований РАН, 117218 Москва, Россия
malsagov@niisi.ras.ru
2Российский университет дружбы народов, 117198 Москва, Россия
karandashev@niisi.ras.ru
Ключевые слова: численное моделирование химических процессов, горение, детонация, нейронные сети, глубокое обучение
Страницы: 24-30

Аннотация

Исследуется возможность решения задач химической кинетики с использованием искусственных нейронных сетей. Основная трудоемкость решения задач химической кинетики заключается в решении жесткой системы уравнений баланса, в правой части которой стоит интенсивность производства массы компонентов. Эта задача может быть выделена в отдельный этап решения системы обыкновенных дифференциальных уравнений внутри общего шага по времени глобальной задачи, и в данной работе рассматривается именно этот этап. Разработана достаточно простая модель, способная решить эту задачу, благодаря которой удалось добиться трехкратного ускорения вычислений по сравнению с численными методами. Полученная нейронная сеть работает в рекурсивном режиме и может предсказывать поведение химической многокомпонентной динамической системы на много шагов вперед.

DOI: 10.15372/FGV20230204
Добавить в корзину
Товар добавлен в корзину