Ідентифікація параметрів дробово-фрактальної моделі фільтраційно-консолідаційної динаміки з використанням штучних нейронних мереж: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57
Artificial neural networks are applied to solve parameters identification problem for one-dimensional fractional-fractal model of filtration consolidation processes in geo-porous media in the conditions of salt transfer. Based on the indicators of the state of the process in a fixed number of observ...
Gespeichert in:
| Datum: | 2021 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Ukrainisch |
| Veröffentlicht: |
Інститут прикладних проблем механіки і математики ім. Я. С. Підстригача НАН України
2021
|
| Schlagworte: | |
| Online Zugang: | https://www.fmmit.lviv.ua/index.php/fmmit/article/view/159 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Physico-mathematical modeling and informational technologies |
Institution
Physico-mathematical modeling and informational technologies| _version_ | 1867479464598831104 |
|---|---|
| author | Bohaienko, Vsevolod Bulavatsky, Volodymy Gladky, Anatolij |
| author_facet | Bohaienko, Vsevolod Bulavatsky, Volodymy Gladky, Anatolij |
| author_institution_txt_mv | [
{
"author": "Vsevolod Bohaienko",
"institution": "Інститут кібернетики ім. В.М. Глушкова НАН України, пр. Глушкова 40, 03187, Київ"
},
{
"author": "Volodymy Bulavatsky",
"institution": "Інститут кібернетики ім. В.М. Глушкова НАН України, пр. Глушкова 40, 03187, Київ"
},
{
"author": "Anatolij Gladky",
"institution": "Інститут кібернетики ім. В.М. Глушкова НАН України, пр. Глушкова 40, 03187, Київ"
}
] |
| author_sort | Bohaienko, Vsevolod |
| baseUrl_str | http://www.fmmit.lviv.ua/index.php/fmmit/oai |
| collection | OJS |
| datestamp_date | 2021-09-06T08:00:32Z |
| description | Artificial neural networks are applied to solve parameters identification problem for one-dimensional fractional-fractal model of filtration consolidation processes in geo-porous media in the conditions of salt transfer. Based on the indicators of the state of the process in a fixed number of observation points, the values of the orders of fractional derivatives with respect to time and space variables were restored. Testing results based on data sets obtained from noised solutions of the direct problem show the adequacy of fractional derivatives orders restoration with at least 25 observation points and noise levels less than 10%.
References
Allwright A., Atangana, A. (2018). Fractal advection-dispersion equation for groundwater transport in fractured aquifers with self-similarities. The European Physical Journal Plus, 133(2), 1–14. DOI doi.org/10.1140/epjp/i2018-11885-3
Chen, W. (2006). Time-space fabric underlying anomalous diffusion. Chaos, Soliton. Fract., 28(4), 923–929. DOI doi.org/10.1016/j.chaos.2005.08.199
Cai, W., Chen, W., Wang, F. (2018). Three-dimensional Hausdorff derivative diffusion model for isotropic/anisotropic fractal porous media. Thermal Science, 22(1), S1-S6. DOI doi.org/10.2298/tsci170630265c
Bohaienko, V., Bulavatsky, V. (2020). Fractional-Fractal Modeling of Filtration-Consolidation Processes in Saline Saturated Soils. Fractal and Fractional, 4(4), 59. DOI doi.org/10.3390/fractalfract4040059
Bondarenko, A. N., Bugueva, T. V., Dedok, V. A. (2016). Inverse problems of anomalous diffusion theory: an artificial neural network approach. Journal of Applied and Industrial Mathematics, 10(3), 311-321.
Florin, V. A. (1961). Fundamentals of Soil Mechanics. Moscow, USSR: National Technical Information Service. DOI doi.org/10.1134/s1990478916030017
Vlasyuk, A. P., Martynyuk, P. M. (2004). Matematychne modelyuvannya konsolidatsiyi hruntiv v protsesi filtratsiyi solovykh rozchyniv. Rivne: Vyd–vo UDUVHP.
Podlubny, I. (1999). Fractional differential equations. New York: Academic Press.
Samarskii, A. (2001). The Theory of Difference Schemes. New York: CRC Press.
|
| doi_str_mv | 10.15407/fmmit2021.32.052 |
| first_indexed | 2026-06-09T01:06:41Z |
| format | Article |
| fulltext | |
| id | oai:ojs2.www.fmmit.lviv.ua:article-159 |
| institution | Physico-mathematical modeling and informational technologies |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2026-06-09T01:06:41Z |
| publishDate | 2021 |
| publisher | Інститут прикладних проблем механіки і математики ім. Я. С. Підстригача НАН України |
| record_format | ojs |
| resource_txt_mv | |
| spelling | oai:ojs2.www.fmmit.lviv.ua:article-1592021-09-06T08:00:32Z Parameter identification for fractional-fractal model of filtration-consolidation dynamics using artificial neural networks: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 Ідентифікація параметрів дробово-фрактальної моделі фільтраційно-консолідаційної динаміки з використанням штучних нейронних мереж: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 Bohaienko, Vsevolod Bulavatsky, Volodymy Gladky, Anatolij фільтраційна консолідація дробово-фрактальні моделі ідентифікація параметрів штучні нейронні мережі filtration consolidation fractional-fractal models parameters identification artificial neural networks Artificial neural networks are applied to solve parameters identification problem for one-dimensional fractional-fractal model of filtration consolidation processes in geo-porous media in the conditions of salt transfer. Based on the indicators of the state of the process in a fixed number of observation points, the values of the orders of fractional derivatives with respect to time and space variables were restored. Testing results based on data sets obtained from noised solutions of the direct problem show the adequacy of fractional derivatives orders restoration with at least 25 observation points and noise levels less than 10%. References Allwright A., Atangana, A. (2018). Fractal advection-dispersion equation for groundwater transport in fractured aquifers with self-similarities. The European Physical Journal Plus, 133(2), 1–14. DOI doi.org/10.1140/epjp/i2018-11885-3 Chen, W. (2006). Time-space fabric underlying anomalous diffusion. Chaos, Soliton. Fract., 28(4), 923–929. DOI doi.org/10.1016/j.chaos.2005.08.199 Cai, W., Chen, W., Wang, F. (2018). Three-dimensional Hausdorff derivative diffusion model for isotropic/anisotropic fractal porous media. Thermal Science, 22(1), S1-S6. DOI doi.org/10.2298/tsci170630265c Bohaienko, V., Bulavatsky, V. (2020). Fractional-Fractal Modeling of Filtration-Consolidation Processes in Saline Saturated Soils. Fractal and Fractional, 4(4), 59. DOI doi.org/10.3390/fractalfract4040059 Bondarenko, A. N., Bugueva, T. V., Dedok, V. A. (2016). Inverse problems of anomalous diffusion theory: an artificial neural network approach. Journal of Applied and Industrial Mathematics, 10(3), 311-321. Florin, V. A. (1961). Fundamentals of Soil Mechanics. Moscow, USSR: National Technical Information Service. DOI doi.org/10.1134/s1990478916030017 Vlasyuk, A. P., Martynyuk, P. M. (2004). Matematychne modelyuvannya konsolidatsiyi hruntiv v protsesi filtratsiyi solovykh rozchyniv. Rivne: Vyd–vo UDUVHP. Podlubny, I. (1999). Fractional differential equations. New York: Academic Press. Samarskii, A. (2001). The Theory of Difference Schemes. New York: CRC Press. Апарат штучних нейронних мереж застосовано до розв'язання задачі ідентифікації параметрів одновимірної дробово-фрактальної моделі процесів фільтраційної консолідації геопористих середовищ в умовах солеперенесення. На основі даних щодо стану процесу у фіксованій кількості точок спостереження відновлювались значення порядків дробових похідних за часовою та просторовою змінними. Результати тестування на основі наборів даних, отриманих із зашумлених розв’язків прямих задач, показують адекватність відновлення порядків дробових похідних при не менше ніж 25 точках спостереження та рівні шуму менше за 10%. Інститут прикладних проблем механіки і математики ім. Я. С. Підстригача НАН України 2021-07-06 Article Article application/pdf https://www.fmmit.lviv.ua/index.php/fmmit/article/view/159 10.15407/fmmit2021.32.052 PHYSICO-MATHEMATICAL MODELLING AND INFORMATIONAL TECHNOLOGIES; No. 32 (2021): Physico-mathematical modeling and informational technologies, 2021, Issue 32; 52-57 ФІЗИКО-МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ; № 32 (2021): Фізико-математичне моделювання та інформаційні технології, 2021, Вип. 32; 52-57 2617-5258 1816-1545 10.15407/fmmit2021.32 uk https://www.fmmit.lviv.ua/index.php/fmmit/article/view/159/149 Авторське право (c) 2021 Vsevolod Bohaienko, Volodymy Bulavatsky, Anatolij Gladky (Автор) |
| spellingShingle | фільтраційна консолідація дробово-фрактальні моделі ідентифікація параметрів штучні нейронні мережі Bohaienko, Vsevolod Bulavatsky, Volodymy Gladky, Anatolij Ідентифікація параметрів дробово-фрактальної моделі фільтраційно-консолідаційної динаміки з використанням штучних нейронних мереж: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 |
| title | Ідентифікація параметрів дробово-фрактальної моделі фільтраційно-консолідаційної динаміки з використанням штучних нейронних мереж: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 |
| title_alt | Parameter identification for fractional-fractal model of filtration-consolidation dynamics using artificial neural networks: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 |
| title_full | Ідентифікація параметрів дробово-фрактальної моделі фільтраційно-консолідаційної динаміки з використанням штучних нейронних мереж: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 |
| title_fullStr | Ідентифікація параметрів дробово-фрактальної моделі фільтраційно-консолідаційної динаміки з використанням штучних нейронних мереж: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 |
| title_full_unstemmed | Ідентифікація параметрів дробово-фрактальної моделі фільтраційно-консолідаційної динаміки з використанням штучних нейронних мереж: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 |
| title_short | Ідентифікація параметрів дробово-фрактальної моделі фільтраційно-консолідаційної динаміки з використанням штучних нейронних мереж: Fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 |
| title_sort | ідентифікація параметрів дробово-фрактальної моделі фільтраційно-консолідаційної динаміки з використанням штучних нейронних мереж: fìz.-mat. model. ìnf. tehnol. 2021, 32:52-57 |
| topic | фільтраційна консолідація дробово-фрактальні моделі ідентифікація параметрів штучні нейронні мережі |
| topic_facet | фільтраційна консолідація дробово-фрактальні моделі ідентифікація параметрів штучні нейронні мережі filtration consolidation fractional-fractal models parameters identification artificial neural networks |
| url | https://www.fmmit.lviv.ua/index.php/fmmit/article/view/159 |
| work_keys_str_mv | AT bohaienkovsevolod parameteridentificationforfractionalfractalmodeloffiltrationconsolidationdynamicsusingartificialneuralnetworksfizmatmodelinftehnol2021325257 AT bulavatskyvolodymy parameteridentificationforfractionalfractalmodeloffiltrationconsolidationdynamicsusingartificialneuralnetworksfizmatmodelinftehnol2021325257 AT gladkyanatolij parameteridentificationforfractionalfractalmodeloffiltrationconsolidationdynamicsusingartificialneuralnetworksfizmatmodelinftehnol2021325257 AT bohaienkovsevolod ídentifíkacíâparametrívdrobovofraktalʹnoímodelífílʹtracíjnokonsolídacíjnoídinamíkizvikoristannâmštučnihnejronnihmerežfizmatmodelinftehnol2021325257 AT bulavatskyvolodymy ídentifíkacíâparametrívdrobovofraktalʹnoímodelífílʹtracíjnokonsolídacíjnoídinamíkizvikoristannâmštučnihnejronnihmerežfizmatmodelinftehnol2021325257 AT gladkyanatolij ídentifíkacíâparametrívdrobovofraktalʹnoímodelífílʹtracíjnokonsolídacíjnoídinamíkizvikoristannâmštučnihnejronnihmerežfizmatmodelinftehnol2021325257 |