دانلود مقاله ترجمه شده روش‌های داده کاوی برای ارزیابی کارآیی مدل‌های عددی مجانب

این مقاله یک روش جدید مبتنی بر داده کاوی برای ارزیابی کارآیی مدل‌های عددی مجانب ارائه می‌کند. درواقع، ثابت شده‌است که داده کاوی ابزاری موثر برای تحلیل در دامنه‌های مختلف است. در این مقاله، در ابتدا یک تخمین پاراکسیال مجانب برای مدلسازی ذره‌های فرانسبیتی استخراج می‌کنیم. سپس از روش‌های داده کاوی که مستقیما با نتایج عددی شبیه سازی‌ها کار می‌کنند، استفاده می‌گردد تا درک شود هرمرتبه از بسط‌های مجانب منجر به چه نتیجه ای در شبیه سازی می‌شود. این روش جدید امکان درک سطح دقت مدل عددی مجانب را در خود نتایج عددی می‌دهد.

کلمات کلیدی: داده کاوی، روش‌های مجانب، تخمین پاراکسیال، معادلات ولاسو-ماسکول

1-مقدمه

متعاقب با [1]، این مقاله یک روش جدید مبتنی برتکنیک‌های داده کاوی برای ارزیابی مدل‌های عددی مجانب ارائه می‌کند. درواقع، تکنیک‌های داده کاوی می‌توانند به محاسبات علمی‌کمک کنند؛ چنان که ثابت شده‌است در دیگر زمینه‌ها، از جمله زیست [3]، پزشکی [6,7]، بازاریابی [12]، تبلیغات و ارتباطات [4,5] کارآیی خوبی دارند. در این مقاله، تمرکز ما بر تخمین پاراکسیال مجانب است که پرتوهای ذرات شارژ شده را مدلسازی می‌کند. درواقع، حل معادلات ولاسو-ماکسول که یکی از کامل ترین مدل‌های ریاضیاتی برای پلاسما یا پرتوهای بدون برخورد هستند، می‌تواند منجر به محاسبات بسیار سنگینی به خصوص در دامنه سه بعدی بسیار پرهزینه‌است. درنتیجه، درصورت امکان، درنظر گرفتن ویژگی‌های خاص مسئله فیزیکی برای استخراج مدل‌های تقریبی مجانب باارزش بوده و منجر به شبیه سازی‌های کم هزینه تر می‌شود.

با این حال، با وجود برخی نتایج تئوری همگرایی، همیشه تعیین مواردی که باید در بسط مجانب انتخاب شوند تا به‌اندازه کافی دقیق بوده ولی مدل پرهزینه ای نباشد، ساده نیست. برای مثال، باوجود نتایج همگرایی در [8]، در صورت تخمین پاراکسیال  که در اینجا در نظر می‌گیریم، یک تحقیق عددی [2] نشان می‌دهد که مقایسه مرتبه‌های مختلف تخمین ساده نیست. به بیان دیگر، مقایسه مستقیم مدل‌های مجانب با یکدیگر، اغلب دشوار است. هدف این مقاله پیشنهاد یک روش جدید مبتنی بر تکنیک‌های داده کاوی برای پاسخ به این مسئله‌است...