به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « حداقل مربعات متحرک نگاشتی » در نشریات گروه « عمران »

تکرار جستجوی کلیدواژه «حداقل مربعات متحرک نگاشتی» در نشریات گروه «فنی و مهندسی»
  • مرتضی کلاهدوزان*، احسان امانی، صائب فرجی
    روش بدون شبکه حداقل مربعات گسسته کارایی مناسب خود را برای حل معادلات دیفرانسیلی مشتقات جزیی حاکم بر مسایل مهندسی نشان داده است. این روش بر پایه کمینه کردن تابعک حداقل مربعاتی استوار است. تابعک حداقل مربعاتی به صورت مجموع وزن داری از باقیمانده ی معادله دیفرانسیلی و شرایط مرزی حاکم تعریف شده است. معمولا از تابع تخمین حداقل مربعات متحرک (MLS)، برای ساختن توابع شکل در روش بدون شبکه حداقل مربعات گسسته استفاده می شود. هرچند با استفاده از این نوع تابع تخمین سازگاری مورد نیاز توابع تخمین ارضا می شود، اما روش در صورت تجمع و نزدیکی بیش از اندازه گره ها کارآیی مناسب خود را از دست می دهد. در این مطالعه مشکل مطرح شده، با استفاده از تابع تخمین نوینی که حداقل مربعات متحرک نگاشتی (MMLS) نامیده شده است، برطرف شده است. در این روش خوشه های گرهی مجتمع به یک آرایش گرهی استاندارد نگاشت می یابند؛ سپس تابع تخمین و مشتقات آن با در نظر گرفتن ملاحظاتی محاسبه می شوند. کارایی روش تخمین پیشنهادی MMLS برای برطرف کردن مشکل تابع تخمین MLS با تخمین توابع ریاضیاتی مورد ارزیابی قرار گرفته است. نتایج بدست آمده قابلیت روش پیشنهادی MMLS را جهت رفع مشکل نشان داده اند. تابع تخمین پیشنهادی در روش بدون حداقل مربعات گسسته مختلط استفاده شده و برای حل معادلات غیر خطی برگرز به کار گرفته شده است. نتایج بدست آمده کارایی و دقت بالای روش پیشنهادی را نشان می دهند.
    کلید واژگان: حداقل مربعات متحرک نگاشتی, حداقل مربعات متحرک, معادلات دیفرانسیلی مشتقات جزیی, روش عددی بدون شبکه, روش بدون شبکه حداقل مربعات گسسته}
    Morteza Kolahdoozan *, Ehsan Amani, Saeb Faraji
    The Mixed Least Squares Meshfree (MDLSM) method has shown its appropriate efficiency for solving Partial Differential Equations (PDEs) governing the engineering problems. The method is based on the minimizing the residual functional. The residual functional is defined as a summation of the weighted residuals on the governing PDEs and the boundaries. The Moving Least Squares (MLS) is usually applied in the MDLSM method for constructing the shape functions. Although the required consistency and compatibility for the approximation function is satisfied by the MLS, the method loss its appropriate efficiency when the nodal points cluster too much. In the current study, the mentioned drawback is overcome using the novel approximation function called Mapped Moving Least Squares (MMLS). In this approach, the cluster of closed nodal points maps to standard nodal distribution. Then the approximation function and its derivatives compute noting the some consideration. The efficiency of suggested MMLS for overcoming the drawback of MLS is evaluated by approximating the mathematical function. The obtained results show the ability of suggested MMLS method to solve the drawback. The suggested approximation function is applied in MDLSM method, and used for solving the Burgers equations. Obtained results approve the efficiency of suggested method.
    Keywords: Mapped Moving Least Squares (MMLS), Moving Least Squares Meshfree (MLS), Partial Differential Equations (PDEs), Meshfree method, Discrete Least Squares Meshfree method (DLSM)}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال