Помощь в написании студенческих работ
Антистрессовый сервис

Математическое моделирование процессов, характеризующихся диффузионными связями и случайными воздействиями в виде белого и цветного шумов

Диссертация: Математическое моделирование процессов, характеризующихся диффузионными связями и случайными воздействиями в виде белого и цветного шумов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В отличие от этого аналитического метода, вероятностный подход, предложенный Леви и строго обоснованный Ито, дает возможность непосредственного построения диффузионных процессов как решений стохастических дифференциальных уравнений вида dy (t) = a (t, y (t))dt + b{t, y (t))dW (t), где W (t) = Ж (0) = 0, t 6 [0,+oo), — стандартный винеровский процесс. Винер и Леви показали, что почти все… Читать ещё >

Математическое моделирование процессов, характеризующихся диффузионными связями и случайными воздействиями в виде белого и цветного шумов (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Постановка задачи
    • 1. 1. Процесс реакции деления тяжелых ядер со случайными внешними воздействиями
    • 1. 2. Процесс развития популяции, находящейся под воздействием случайных возмущений
    • 1. 3. Модель, описываемая стохастическим уравнением
  • Бюргерса
  • 2. Разработка аналитического аппарата, необходимого для решения поставленных задач
    • 2. 1. Необходимые сведения
      • 2. 1. 1. Стохастические интегралы и стохастические дифференциальные уравнения
      • 2. 1. 2. Симметричный интеграл как обобщение стохастического интеграла Стратоновича. Детерминированные аналоги стохастических дифференциальных уравнений
    • 2. 2. Исследование некоторых классов дифференциальных уравнений в частных производных с симметричным интегралом
      • 2. 2. 1. Связь дифференциальных уравнений с симметричным интегралом с классическими дифференциальными уравнениями. Структура решения
      • 2. 2. 2. Структура диффузионного процесса и фундаментальное решение уравнения Колмогорова-Фоккера-Планка
    • 2. 3. Стохастические дифференциальные уравнения в частных производных параболического типа и стохастическое уравнение Бюргерса
      • 2. 3. 1. Стохастические дифференциальные уравнения в частных производных параболического типа: связь с классическими дифференциальными уравнениями, структура решения
      • 2. 3. 2. Стохастическое уравнение Бюргерса
  • 3. Численно-аналитическое решение и моделирование исследуемых процессов
    • 3. 1. Моделирование траектории винеровского процесса
    • 3. 2. Численно-аналитическое решение моделей процесса реакции деления тяжелых ядер и процесса развития популяции в случайной среде
    • 3. 3. Численно-аналитическое решение стохастического уравнения Бюргерса

В данной работе исследуются модели некоторых процессов, описываемых стохастическими дифференциальными уравнениями (СДУ) в частных производных параболического типа. Как правило, такие модели описывают поведение распределенных в пространстве систем, которые характеризуются тем, что их состояние меняется в различных точках пространства, между, отдельными точками существуют «диффузионные связи» или потоки вещества, и, кроме того, имеют место неизбежные случайные воздействия внешней среды.

Первой является модель процесса реакции деления тяжелых ядер и др.), когда при взаимодейстсвии с нейтронами некоторые тяжелые ядра атомов делятся на более легкие ядра с испусканием нескольких новых нейтронов и выделением значительной ядерной энергии. Строится модель, отражающая основные динамические свойства этой реакции, а именно изменение концентрации нейтронов. При этом учитываются случайные воздействия на процесс в виде шума. Математическая модель такого процесса описывается первой краевой задачей для стохастического дифференциального уравнения в частных производных параболического типа. С помощью аналогичного уравнения представляется вторая модель — модель развития популяции в случайной среде, которая описывает изменение «плотности» популяции с учетом распространения особей в пространстве и случайных внешних воздействий на процесс в виде шума. Третья рассматриваемая в работе модель описывает поведение волн в вязкой среде, и представляется в виде первой краевой задачи для уравнения Бюргерса со случайным внешним источником, которое, как известно, с помощью преобразования Хопфа-Коула сводится к уравнению параболического типа.

Возникновение и развитие теории стохастических интегралов и стохастических дифференциальных уравнений восходит к К. Ито. В 1942 году ([56]) эта теория была впервые применена к проблеме Колмогорова о существовании марковских процессов с заданным свойством. А.

Н. Колмогоров [15] и В. Феллер [40] успешно получали марковские процессы путем решения дифференциальных уравнений для переходных вероятностей, введя тем самым аналитический подход в теорию вероятностей.

В отличие от этого аналитического метода, вероятностный подход, предложенный Леви и строго обоснованный Ито, дает возможность непосредственного построения диффузионных процессов как решений стохастических дифференциальных уравнений вида dy (t) = a (t, y (t))dt + b{t, y (t))dW (t), где W (t) = Ж (0) = 0, t 6 [0,+oo), — стандартный винеровский процесс. Винер и Леви показали, что почти все траектории броуновкого движения нигде не дифференцируемы, следовательно интеграл по dW (s) нельзя определить в обычном смысле. Чтобы обойти эту проблему, Ито вводит понятие «стохастических интегралов», и получает возможность строить диффузионные процессы как единственные решения стохастических дифференциальных уравнений при заданных начальных значениях и удовлетворяющих условию Липшица коэффициентах.

В Советском Союзе С. Н. Бернштейн [5] независимо ввел понятие стохастического дифференциального уравнения. Он понимал под этим понятием последовательность стохастических разностных по t уравнений и при некоторых предположениях доказывал сходимость одномерных распределений их решений к пределу при неограниченном уменьшении шага по t. При этом в стороне оставался вопрос о существовании предельного процесса, который естественно было бы назвать решением стохастического дифференциального уравнения. В работах И. И. Гихмана [7] уже есть решения подобных уравнений и аналитически описаны некоторые их свойства.

Сегодня теория Ито применена не только к марковским процессам, но и к большому классу случайных процессов. Этот подход дает мощное орудие для описания и анализа случайных процессов. Стало возможно построение и изучение процессов сложной природы с помощью более простых процессов, таких как винеровский и пуассоновский. Часто теория Ито называется случайным анализом или стохастическим исчислением, к настоящему времени этой теории посвящено огромное количество литературы. Часть этой литературы может быть найдена в ссылках: в книгах: И. И. Гихмана, А. В. Скорохода [9], С. Ватанабэ, Н. Икэда [6]. Для стохастических дифференциальных уравнений получены условия существования и единственности решений при различных условиях на коэффициенты ([19], [59], [64], [66]).

Под явными формулами для решений СДУ понимаются обыкновенное дифференциальное уравнение или цепочка таких уравнений, которые позволяют найти решение исходного СДУ. Хотя теория обыкновенных стохастических дифференциальных уравнений разработана достаточно полно, явные формулы для решений известны лишь применительно к достаточно узкому классу уравнений |2], [6], [19].

В работах [6], [12] рассматриваются такие вероятностные методы решения СДУ как преобразование сноса и случайная замена времени. Суть этих методов заключается в преобразовании исходного вероятностного пространства. При этом на исходное пространство и на само уравнение накладываются дополнительные условия, что значительно сужает область применения таких методов для решения.

Изначально стохастические уравнения Ито предназначались для описания на вероятностном языке диффузии в газах и жидкостях (первые варианты такого описания были получены в работах А. Энштейна, М. Смолуховского [42], Н. Винера [65], И. И. Гихмана [7] и др.). Однако, впоследствии оказалось, что они являются очень удобным аппаратом для решения многих других физических и инженерных задач. В частности, эти уравнения с успехом применяются в теории фильтрации случайных процессов диффузионного типа. Причем, как показано в работе [19], само уравнение для фильтрационной плотности представляет собой пример стохастического дифференциального уравнения в частных производных.

Подобные же уравнения возникают во многих областях знанийфизики, химии, биологии и других. В работах: [16, 36, 46, 51, 58, 61] собраны некоторые примеры таких уравнений. Характерной особенностью почти всех упомянутых работ является то, что в них строятся и исследуются модели, которые описываются стохастическими дифференциальными уравнениями в частных производных, и для них доказываются теоремы о существовании и единственности решений, но способов решения не предложено. В работе [14] получено точное решение стохастических задач для ряда моделей (марковские процессы с конечным числом состояний, гауссовский марковский процесс и функции от этих процессов). Говоря о стохастических дифференциальных уравнениях, следует также упомянуть работу [49], в которой условия существования и единственности решения получены для случая многомерного винеровского процесса и для нелинейных стохастических уравнений в частных производных.

Нелинейное стохастическое уравнение Бюргерса рассматривалось в работе [48]. Хотя литература, посвященная уравнению Бюргерса огромна, оно продолжает оставаться предметом многих работ ([1], [34], [43], [44], [55]). При этом в последнее время в центре внимания оказывается именно уравнение Бюргерса с источником ([34], [43]). В работах [43], [44] получены точные решения задачи Коши для уравнения Бюргерса в случае, когда зависимость от координаты функции источника сингулярная, то есть описывается либо 5-функцией, либо ее производной. В работе [34] предлагается метод, позволяющий получать решения для случая непрерывной функции источника.

Для численного решения стохастических дифференциальных уравнений существует общий метод Быоси [50], посредством которого может быть исследован, в принципе, широкий класс стохастических систем с использованием метода Монте-Карло. Этот метод, в силу большой общности, недостаточно эффективен для численного решения СДУ, поскольку он ориентируется на общие свойства стохастических систем и не учитывает специфическую структуру стохастических дифференциальных уравнений, характеризуемую их коэффициентами сноса и диффузии.

Другой известный численный подход Г. Дж. Кушнера [18] основывается на дискретизации как временной переменной, так и пространственных переменных. В результате этого случайные процессы превращаются в цепи Маркова с конечным числом состояний. При численной реализации этого подхода приходится иметь дело с матрицами перехода цепей Маркова, что приводит к значительным вычислительным затратам. Поэтому данный подход применим к задачам с небольшой размерностью пространства состояний.

Д. Ф. Кузнецов в монографии [17] строит явные и неявные сильные одношаговые и двухшаговые численные методы для решения СДУ и систем таких уравнений. В работе [17] также представлены результаты численного моделирования решений систем СДУ, описывающих различные физические, биологические, химические и др. процессы. В работе Д. Ф. Кузнецова используется подход к численному решению стохастических дифференциальных уравнений, который основан на конечной дискретизации временного интервала и численном моделировании решения СДУ в дискретные моменты времени с помощью стохастических аналогов формулы Тейлора и специальных методах аппроксимации стохастических интегралов. Важнейшей особенностью стохастических аналогов формулы Тейлора является присутствие в них, так называемых, повторных интегралов Ито или Стратоновича, которые являются функционалами сложной структуры. Проблемы численного моделирования таких интегралов является сложной как с теоретической, так и с вычислительной точки зрения. Отметим также работы [21], [45], [57], [60], в которых строятся модели различных процессов, описываемых стохастическими дифференциальными уравнениями, и приводятся конечно-разностные схемы для их численного решения.

Однако, следует заметить, что во всех упомянутых выше работах методы для численного моделирования стохастических дифференциальных уравнений разработаны только для обыкновенных еду.

Цель работы.

Целью данной работы является разработка численно — аналитических методов решения стохастических дифференциальных уравнений в частных произ-водных параболического типа и моделирование на основе этих методов процессов в распределенных системах.

Поставленная цель достигается в результате решения следующих задач:

1. Разработки аналитического аппарата для решения стохастических дифференциальных уравнений в частных производных параболического типа;

2. Моделирования процессов, описываемых стохастическими дифференциальными уравнениями в частных производных параболического типа, а именно, процесса изменения концентрации нейтронов при реакции деления тяжелых ядер, процесса развития популяции в случайной среде и процесса распространения волн в вязкой среде со случайным источником;

3. Исследования структуры решения стохастических дифференциальных уравнений;

4. Оценки погрешности численных результатов.

Методы исследования.

Аналитические исследования проводились с использованием методов теории случайных процессов, математической физики, функционального анализа, вычислительной математики и техники симметричных интегралов, разработанной в работах Насырова Ф. С. Использовался метод вычислительного эксперимента на ПЭВМ. Расчеты проводились в среде Matlab с использованием стандартных пакетов.

На защиту выносятся:

1. Новый аналитический метод решения одного широкого класса нелинейных стохастических дифференциальных уравнений в частных производных.

2. Новый способ численно-аналитического решения и моделирования процессов, которые характеризуются диффузионными связями и случайными воздействиями и описываются стохастическими дифференциальными уравнениями в частных производных параболического типа и стохастическими уравнениями Бюргерса, а именно, процесса изменения концентрации нейтронов при реакции деления тяжелых ядер, процесса развития популяции в случайной среде и процесса распространения волн в вязкой среде со случайным источником;

3. Факторизация стохастических дифференциальных уравнений по случайному сносу, факторизация фундаментальных решений параболических уравнений, соответствующих стохастическим дифференциальным уравнениям, по коэффициенту переноса.

4. Оценка погрешности численных результатов, полученных для стохастического уравнения Бюргерса, с помощью вычислительного эксперимента.

Научная новизна.

1. Разработан новый аналитический метод решения для моделей процессов в распределенных системах, учитывающих диффузионные связи и случайные воздействия в виде шума, которые описываются с помощью СДУ в частных производных параболического типа, заключающийся в том, что решение исходного СДУ в частных производных сводится к решению двух классических дифференциальных уравнений, но со случайными коэффициентами. Этот способ применим и к более общему классу стохастических дифференциальных уравнений в частных производных.

2. Впервые выявлена структура решения одного класса стохастических дифференциальных. уравнений, которая включает в себя стохастические дифференциальные параболического типа. Определена структура одномерного диффузионного процесса и установлено, что множество стохастических дифференциальных уравнений можно разбить на классы эквивалентности по случайному сносу, а фундаментальные решения соответствующих параболических уравнений можно факторизовать по коэффициенту переноса.

3. Предложен новый способ численно-аналитического решения и моделирования процессов, описываемых СДУ в частных производных параболического типа и стохастических уравнений Бюргерса, отличающийся тем, что вместо существующих громоздких методов численного решения стохастических дифференциальных уравнений можно воспользоваться классическими методами численно-аналитического решения двух обычных дифференциальных уравнений в частных производных, где в качестве коэффициентов или краевых условий присутствует винеровский процесс. Методом вычислительного эксперимента проведена оценка погрешности для численных результатов, полученных для стохастического уравнения Бюргерса.

Краткое содержание работы.

Введение

Во введении обосновывается актуальность работы, сформулированы ее цели и задачи. Кроме этого, дан краткий обзор по тематике вопроса, сформулированы основные результаты, полученные в работе, излагается описание диссертации по главам.

Заключение

.

В данной работе получены следующие результаты:

1) Разработан новый аналитический метод, с помощью которого решение стохастических дифференциальных уравнений в частных производных параболического типа, описывающих модели процессов с диффузионными связями и внешними воздействиями в виде случайных флуктуаций, сводится к решению двух классических дифференциальных уравнений, но со случайными коэффициентами. Показано, что этот способ применим к более общему классу стохастических дифференциальных уравнений в частных производных;

2) Выявлена структура решения одного класса стохастических дифференциальных уравнений, которая включает в себя стохастические дифференциальные уравнения параболического типа, описывающие рассматриваемые в работе модели процессов изменения концентрации нейтронов при реакции распада тяжелых ядер, развития популяции в случайной среде и затухания волн в вязкой среде со случайным внешним источником. Определена структура одномерного диффузионного процесса и установлено, что множество стохастических дифференциальных уравнений можно разбить на классы эквивалентности по случайному сносу, а фундаментальные решения соответствующих параболических уравнений можно факторизовать по коэффициенту переноса;

3) Предложен новый способ численно-аналитического решения и моделирования стохастических дифференциальных уравнений в частных производных параболического типа и стохастических уравнений Бюргерса, который заключается в том, что, опираясь на аналитические результаты работы, исходную задачу можно свести к решению двух обычных дифференциальных уравнений в частных производных, где в качестве коэффициентов или краевых условий присутствует винеровский процесс, и воспользоваться классическими численно-аналитическими методами.

Методом вычислительного эксперимента проведена оценка погрешности для численных результатов, полученных для стохастического уравнения Бюргерса.

Показать весь текст

Список литературы

  1. Д. Вычислительная гидромеханика и теплообмен / Андерсон Д., Таннехилл Дж., Плетчер Р. М.: Мир, 1990. — т. 1. — 268 с.
  2. С.В. Стохастическое исчисление / Анулова С. В., Веретенников А. Ю., Крылов Н. В., Липцер Р. Ш., Ширяев А.Н.-ВИНИТИ, 1989. т. 49. — 260 с.
  3. В. П. Цифровое моделирование случайных процессов / Бакалов В. П. М.: Сайнс-Пресс, 2002. — 352 с.
  4. Н. С. Численные методы / Бахвалов Н. С., Жидков Н. П., Кобельков Г. М М.: Наука, 2004. — 636 с.
  5. С. Н. Принципы теории стохастических дифференциальных уравнений / Бернштейн С. Н. // Тр. физ. мат. ин-та им. В. А. Стеклова. 1934. — т. 5. — С. 95—124.
  6. С. Стохастические дифференциальные уравнения, а диффузионные процессы / Ватанабэ С., Икэда Н. М.: Наука, 1986. — 445 с.
  7. И. И. К теории дифференциальных уравнений случайных процессов / Гихман И. И. // Укр. мат. ж. 1950. — т. 2. — № 4. — С. 37—63.
  8. И.И. Введение в теорию случайных процессов / Гихман И. И., Скороход А. В. М.: Наука, 1977. — 568 с.
  9. И.И. Стохастические дифференциальные уравнения и их приложения / Гихман И. И., Скороход А.В.- Киев: Наукова Думка, 1982. 611 с.
  10. В.И. Вероятностные модели превращения частиц / Дорогов В. И., Чистяков В. П. М.: Наука, 1988. — 110 с.
  11. А.К. Преобразование фазового пространства диффузионного процесса, уничтожающее снос / Звонкин А. К. // Мат. сб. 1974. -93(135). — т. — С. 129 — 149.
  12. В.И. Стохастические уравнения глазами физика: Основные положения, точные результаты и асимптотические приближения / Кляцкин В. И. М.: Физматлит — 2001. — 528 с.
  13. А.Н. Об аналитических методах в теории вероятностей / Колмогоров А. Н. // УМН 1938. — т.5. — С.10−100.
  14. А.Н. Исследование уравнения диффузии, соединенной с возрастанием количества вещества, и его применение к одной биологической проблеме / Колмогоров А. Н., Петровский И. Г., Пискунов Н. С. // Бюлл. МГУ 1937. — № 6. — с. 1−26.
  15. Д.Ф. Численное моделирование стохастических дифференциальных уравнений и стохастических интегралов / Кузнецов Д.Ф. С. Петербург: Наука, 1999. — 463 с.
  16. Г. Дж. Вероятностные методы аппроксимации в стохастических задачах управления и теории эллиптических уравнений / Кушнер Г. Дж. М.: Наука — 1985. — 222 с.
  17. Р.Ш. Статистика случайных процессов: нелинейная фильтрация и смежные вопросы / Липцер Р. Ш., Ширяев А. Н. -М.: Наука, 1974. 696 с.
  18. Л.К. Дифференциальные уравнения математической физики / Мартинсон Л. К., Малов Ю. И. М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. — 368 с.
  19. Г. Н. Численное интегрирование стохастических дифференциальных уравнений / Милынтейн Г. Н. Свердловск.: Изд-во Уральского ун-та, 1988. — 225 с.
  20. Ф.С. О локальных временах для функций и случайных процессов / Насыров Ф.С.// Теория вероятностей и ее применение -1995. т. 40. — № 4. — С. 798−812.
  21. Ф.С. Симметричные интегралы и их применение в финансовой математике / Насыров Ф. С. // Труды МИРАН 2002.- т. 237. С. 265−278.
  22. Ф.С. Симметричные интегралы и стохастический анализ / Насыров Ф. С. // Теория вероятностей и ее применение 2006. — т. 51.- № 3 С. 496−517.
  23. Ф.С. О структуре одномерного диффузионного процесса / Насыров Ф. С., Парамошина И. Г. // Вестник УГАТУ 2006. — т. 7 — № 2 (15). — С. 127−130.
  24. Ф.С. О построении квазимеры в пространстве (С0,1], В (С[0,1])) / Насыров Ф. С., Парамошина И. Г. // Обозрение прикладной и промышленной математики 2001. — т. 8.- вып.1. -№ 7. — С. 279−280.
  25. Ф.С. О построении квазимеры на пространстве С0,1] / Насыров Ф. С., Парамошина И. Г. // Актуальные проблемы математики. Математические модели современного естествознания: межвуз. сборник. Изд-во УГАТУ 2002. — С. 105−109.
  26. И.Г. Квазимера в пространстве С0,1], порожденная «тепловым» уравнением четвертого порядка / Парамошина И. Г. // Вестник УГАТУ 2003. — т. 4.- № 2. — С. 158−163.
  27. И.Г. Численно аналитическое решение стохастического уравнения Бюргерса / Парамошина И. Г. // Обозрение прикладной и промышленной математи-ки — 2008. — т. 15.- вып. 4. — № 10. — С. 644 645.
  28. И.Г. О структуре переходных плотностей диффузионного процесса / Парамошина И. Г. // Материалы XIII международной научной конференции студентов, аспирантов и молодых ученых «Ломоносов». Изд-во СП «Мысль» 2006.- С. 104.
  29. И.Г. О структуре двумерного диффузионного процесса / Парамошина И. Г. // Материалы XIV международной научной конференции студентов, аспиран-тов и молодых ученых «Ломоносов». Изд-во СП «Мысль» 2007. — Т. 2. -С. 91.
  30. И.Г. О решении стохастического уравнения Бюргерса / Парамошина И. Г. // Труды участников международной школы-семинара по геометрии и анализу памяти Н. В. Ефимова 2008. — С. 237−239.
  31. С.В. Точные решения уравнения Бюргерса с источником / Петровский С. В. // Журнал технической физики- 1999. т. 69.- № 8 — с. 10−14.
  32. А.Д. Методы решения нелинейных уравнений математической физики и механики / Полянин А. Д., Зайцев В. Ф., Журов А. И. М.: ФИЗМАТЛИТ, 2005. — 256 с.
  33. .Л. Эволюционные стохастические системы / Розовский Б. Л. М.: Наука, 1983. — 208 с.
  34. А.Б. Биофизика: Теоретическая биофизика / Рубин А. Б. М.: Наука, 1999. — 433 с.
  35. Н.Н. Цепные реакции / Семенов Н. Н. Л.: ОНТИ, 1934 — 203 с.
  36. А.Н. Дифференциальные уравнения / Тихонов А. Н., Ильин В. А., Свешников А. Г. М.: Наука, 1980. — 253 с.
  37. В. К теории стохастических процессов (Теоремы существования и единственности) / Феллер В. // УМН 1938. -т. 5. — С. 57−96.
  38. А.Н. Вероятность / Ширяев А. Н. М.: МЦНМО, 2004. — т. 2.- 405 с.
  39. А. Броуновское движение / Эйнштейн А., Смолуховский М.- М.: ОНТИ, 1936. 287 с.
  40. Ablowitz M.J. On the Burgers equation with moving boundary / Ablowitz M.J., De Lillo S. // Phys. Lett. 1991. — v. 156. — P. 483 — 487.
  41. Ablowitz M.J. The Burgers equation under deterministic and stochastic forcing / Ablowitz M.J., De Lillo S. // Physica D.- 1996. v. 92. — P. 245- 261.
  42. Allen E. Modeling with Ito Stochastic Differential Equations / Allen E. -Springer, 2007. 230 p.
  43. Alos E. Stochastic partial differential equations with Dirichlet white-noise boundary conditions / Alos E., Bonnacorsi S. // Ann. Inst. H. Poincare Probab. Statist. 2002. — № 38(2). — P. 125 — 154.
  44. Arnold L. On the consistency of the mathematical models of chemical reactions / Arnold L. // Dynamics of synergetic systems, Bielefeld 1980. — P. 107 — 118.
  45. Aurely A. On numerical approximation of stochastic Burgers' equation / Aurely A., Istvan G. // The Shiryaev Festschrift 2001. — P. 1 — 17.
  46. Boyce W.E. Approximate solution of random ordinary differential equations / Boyce W.E. // Adv. in Appl. Probab. 1978. — № 10. — P. 172 -184.
  47. Da Prato G. Evolution equations with white-noise boundary conditions / Da Prato G., Zabczyck J. // Stoch. and Stoch. Reports -1993. v. 42. -P. 167 — 182.
  48. Dawson D.A. Spatially homogeneous random evolutions / Dawson D.A., Salehi H. // J. Multivariate 1980. — v. 10. — P. 141 — 180.
  49. Gard T.C. Introduction to stochastic differential equations / Gard T.C. -Marsel Dekker, New York, 1988. 298 p.
  50. Geman D. Occupation densities / Geman D., Horowitz J. // Ann. Probab.- 1980. v.8. — P. 1 — 67.
  51. Hood S. New exact solutions of Burgers equation / Hood S. // J. Math. Phys. 1995. — v. 36. — P. 1971 — 1990.
  52. Ito K. Differential equations determining Markov processes / Ito K. // Zenkoku Shijo Sugaku Danwakai 1942. — v. 244. — № 1077 — P. 1352 -1400.
  53. Kloeden P.E. Numerical solution of stochastic differential equations / Kloe-den P.E., Platen E. Berlin.: Springer-Verlag, 1992. — 632 p.
  54. Maslowski B. Stability of semilinear equations with boundary and point-wise noise / Maslowski B. // Annali della Scuola Normale Superiore di Pisa 1995. — v. 12. — P. 68−136.
  55. Nakao S. On the pathwise uniqueness of solutions of one-dimensional sc-tochastic differential equations / Nakao S. // Osaka J. Math. -1972. -v. 3.- P. 513 518.
  56. Platen E. Zur zietdiskreten approximation von Ito prozessen / Platen E. -Berlin, 1984, 124 p.1. О 4
  57. Sowers R. Multidimensional reaction-diffusion equations with white noise boundary perturbations / Sowers R. // Ann. of Prob. 1994. — v. 22. — P. 2071 — 2121.
  58. Szymon P. SPDEs Driven by a Homogeneous Wiener Process / Szymon P. // Stochastic partial differential equations and applications, Marcel Dekker, Inc., New York -Basel 2002. — P. 417 — 429.
  59. Turelli M. A reexamination of stability in randomly varying versus deterministic environments with comments on the stochastic theory of limiting similarity / Turelli M. // Theor. Pop. Biol. 1978. — v.13. — P. 244 — 267.
  60. Watanabe S. On the uniqueness of solutions of sctochastic differential equations / Watanabe S. // J. Math. Kyoto Univ 1971. — v.l. — P. 155 — 167.
  61. Wiener N. Differential space / Wiener N. // J. Math. Phys. 1923. — v.2. — P. 131 — 174.
  62. Yamada T. On comparison theorem for solutions of stochastic differential equations and its applications / Yamada T. // J. Math. Kyoto Univ. -1973. v.3. — P. 497 — 512.
Заполнить форму текущей работой

Сессия? Спокойно!