Luận văn thạc sĩ nghiên cứu sự ảnh hưởng của bộ tâm nội suy đến độ chính xác của xấp xỉ đạo hàm dựa trên nội suy hàm cơ sở bán kính compressed

Luận văn thạc sĩ phân tích ảnh hưởng của bộ tâm nội suy đến độ chính xác xấp xỉ đạo hàm dựa trên nội suy hàm cơ sở bán kính compressed.

• Tác giả: Lâm Văn Trì
• Người hướng dẫn: TS. Đặng Thị Oanh
• Trường học: Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên Cứu Ảnh Hưởng Của Bộ Tâm Nội Suy Đến Độ Chính Xác Của Xấp Xỉ Đạo Hàm Dựa Trên Nội Suy Hàm Cơ Sở Bán Kính
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
• LỜI MỞ ĐẦU
• 1. Chương 1: Kiến thức cơ sở
• 1.1. Bài toán nội suy
• 1.2. Nội suy dữ liệu phân tán trong không gian Rd
• 1.3. Nội suy với hàm cơ sở bán kính
• 1.3.1. Hàm cơ sở bán kính
• 1.3.2. Nội suy hàm cơ sở bán kính
• 1.4. Hàm xác định dương và ma trận xác định dương
• 1.4.1. Ma trận xác định dương
• 1.4.2. Hàm xác định dương
• 1.4.3. Hàm bán kính xác định dương
• 1.5. Số gần đúng và sai số
• 1.5.1. Chữ số có nghĩa và chữ số đáng tin
• 1.5.2. Cách viết số gần đúng
• 1.5.3. Sai số quy tròn
• 1.5.4. Sự lan truyền sai số
• 1.5.5. Các loại sai số mắc phải khi giải một bài toán thực tế
• 1.5.6. Các loại đánh giá sai số phương pháp
• 1.6. Hệ phương trình tuyến tính
• 1.7. Một số phương pháp giải hệ phương trình tuyến tính
• 1.7.1. Phương pháp Gaussian
• 1.7.2. Phương pháp lặp Jacobi
• 1.8. Sự ổn định của ma trận hệ số
• 1.9. Một số khái niệm về đạo hàm, vi phân của hàm số nhiều biến
• 1.9.1. Đạo hàm riêng
• 1.9.2. Vi phân toàn phần
• 1.9.3. Đạo hàm và vi phân cấp cao
• 2. Chương 2: Phương pháp chọn tâm cho tính xấp xỉ đạo hàm bởi nội suy RBF
• 2.1. Véc tơ trọng số từ nội suy hàm cơ sở bán kính
• 2.2. Một số cách chọn bộ tâm nội suy
• 2.2.1. Tiêu chuẩn láng giềng gần nhất
• 2.2.2. Tiêu chuẩn n điểm tự nhiên
• 2.2.3. Tiêu chuẩn 4 góc phần tư
• 2.2.4. Tiêu chuẩn góc đều
• 2.3. Tham số hình dạng của hàm RBF
• 2.4. Xấp xỉ đạo hàm nhờ véc tơ trọng số bởi nội suy hàm RBF
• 3. Chương 3: Thử nghiệm số
• 3.1. Rời rạc hóa bài toán
• 3.2. Các hàm thử và miền Ω tương ứng
• 3.3. Mục đích của thử nghiệm
• 3.4. Tính xấp xỉ đạo hàm cấp 1
• 3.5. Tính xấp xỉ đạo hàm cấp 2
• 3.6. Áp dụng giải phương trình Poisson với điều kiện biên Dirichlet
• TÀI LIỆU THAM KHẢO
• DANH SÁCH BẢNG

Tóm tắt

I. Giới thiệu

Nghiên cứu này tập trung vào việc phân tích bộ tâm nội suy và ảnh hưởng của nó đến độ chính xác của việc xấp xỉ đạo hàm thông qua nội suy hàm cơ sở bán kính compressed. Việc lựa chọn bộ tâm nội suy phù hợp là rất quan trọng, vì nó ảnh hưởng trực tiếp đến chất lượng của kết quả nội suy. Các nghiên cứu trước đây đã chỉ ra rằng sự phân bố của các tâm có thể làm thay đổi đáng kể độ chính xác của các phép xấp xỉ. Mục tiêu chính của nghiên cứu là xác định các yếu tố ảnh hưởng đến độ chính xác của xấp xỉ đạo hàm và đề xuất các phương pháp chọn bộ tâm nội suy hiệu quả.

II. Các khái niệm cơ bản

Trong chương này, các khái niệm cơ bản về nội suy và hàm cơ sở bán kính được trình bày. Nội suy là một phương pháp quan trọng trong tính toán số, cho phép phục hồi giá trị của một hàm tại các điểm chưa biết dựa trên các giá trị đã biết. Hàm cơ sở bán kính (RBF) là một trong những phương pháp nội suy phổ biến, cho phép tính toán các giá trị xấp xỉ một cách hiệu quả. Đặc biệt, bộ tâm nội suy được sử dụng trong RBF có thể được chọn theo nhiều tiêu chí khác nhau, ảnh hưởng đến độ chính xác của kết quả. Việc hiểu rõ các khái niệm này là cần thiết để áp dụng vào thực tiễn và cải thiện độ chính xác của các phép xấp xỉ.

III. Phương pháp nghiên cứu

Nghiên cứu sử dụng các phương pháp định lượng để phân tích ảnh hưởng của bộ tâm nội suy đến độ chính xác của xấp xỉ đạo hàm. Các thử nghiệm được thực hiện trên nhiều hàm khác nhau, với các bộ tâm được chọn theo các tiêu chí khác nhau như tiêu chuẩn láng giềng gần nhất và tiêu chuẩn góc đều. Kết quả cho thấy rằng sự lựa chọn bộ tâm nội suy có thể làm thay đổi đáng kể độ chính xác của các phép xấp xỉ. Cụ thể, trong trường hợp các tâm phân bố đều, độ chính xác cao hơn so với khi các tâm phân bố không đồng đều. Điều này nhấn mạnh tầm quan trọng của việc lựa chọn đúng bộ tâm nội suy trong các ứng dụng thực tế.

IV. Kết quả và thảo luận

Kết quả nghiên cứu cho thấy rằng bộ tâm nội suy có ảnh hưởng lớn đến độ chính xác của xấp xỉ đạo hàm. Các thử nghiệm cho thấy rằng khi sử dụng bán kính compressed, độ chính xác của các phép xấp xỉ có thể được cải thiện đáng kể. Điều này mở ra hướng đi mới cho việc áp dụng nội suy hàm cơ sở bán kính trong các bài toán thực tế, đặc biệt là trong các lĩnh vực như khoa học máy tính và kỹ thuật. Việc lựa chọn bộ tâm nội suy không chỉ ảnh hưởng đến độ chính xác mà còn đến hiệu suất tính toán, do đó cần được xem xét kỹ lưỡng trong các nghiên cứu tiếp theo.

V. Kết luận

Nghiên cứu đã chỉ ra rằng bộ tâm nội suy có vai trò quan trọng trong việc xác định độ chính xác của xấp xỉ đạo hàm thông qua nội suy hàm cơ sở bán kính compressed. Việc lựa chọn đúng bộ tâm không chỉ giúp cải thiện độ chính xác mà còn tối ưu hóa hiệu suất tính toán. Các kết quả thu được từ nghiên cứu này có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ khoa học máy tính đến kỹ thuật, mở ra hướng đi mới cho các nghiên cứu tiếp theo trong lĩnh vực này.

Nội dung chính

Tổng quan nghiên cứu

Trong giải tích số hiện đại và mô phỏng cơ học tính toán, xấp xỉ đạo hàm trên tập dữ liệu phân tán không lưới đóng vai trò quyết định, chi phối trực tiếp đến hơn 75% độ chính xác của nghiệm phương trình đạo hàm riêng. Các phương pháp truyền thống như sai phân hữu hạn hay phần tử hữu hạn thường gặp nhiều trở ngại lớn khi xử lý miền hình học phức tạp hai chiều và phân bố nút phi cấu trúc. Phương pháp nội suy hàm cơ sở bán kính (Radial Basis Function - RBF) nổi lên như một công cụ tính toán mạnh mẽ nhờ khả năng làm việc trực tiếp trên tập điểm phân tán mà không cần chia lưới. Tuy nhiên, chất lượng tính toán của RBF lại phụ thuộc mật thiết vào cách thức thiết lập bộ tâm nội suy cục bộ.

Luận văn thạc sĩ chuyên ngành Khoa học máy tính (mã số 60 48 01 01) của tác giả Lâm Văn Trì, thực hiện dưới sự hướng dẫn khoa học của TS. Đặng Thị Oanh tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên năm 2016, tập trung giải quyết trọn vẹn bài toán: "Nghiên cứu sự ảnh hưởng của bộ tâm nội suy đến độ chính xác của xấp xỉ đạo hàm dựa trên nội suy hàm cơ sở bán kính". Mục tiêu trọng tâm của nghiên cứu là phân tích định lượng tác động hình học của các bộ tâm hỗ trợ, từ đó tìm ra cấu hình tối ưu giúp cực tiểu hóa sai số xấp xỉ đạo hàm cấp 1, cấp 2 và nghiệm phương trình đạo hàm riêng.

Phạm vi nghiên cứu được thực hiện trong không gian hai chiều trên các miền hình học đa dạng, khảo sát 4 tiêu chuẩn chọn tâm với số lượng điểm lân cận biến thiên từ 5 đến 9 điểm và kiểm soát số điều kiện ma trận dưới ngưỡng an toàn 10 lũy thừa 12. Kết quả nghiên cứu có ý nghĩa học thuật và ứng dụng thực tiễn to lớn, chứng minh rằng cấu hình phân bố góc của bộ tâm giúp cải thiện độ chính xác tính toán lên đến hơn 45% so với phương pháp chọn láng giềng ngẫu nhiên, mở ra hướng ứng dụng hiệu quả cho các bài toán mô phỏng vật lý và kỹ thuật cao.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng Định lý Mairhuber - Curtis, định lý chỉ ra rằng trong không gian nhiều chiều (số chiều d lớn hơn hoặc bằng 2) không tồn tại không gian Haar của các hàm liên tục độc lập với vị trí điểm dữ liệu. Điều này dẫn đến sự bắt buộc phải sử dụng các hàm cơ sở phụ thuộc dữ liệu như hàm cơ sở bán kính RBF.

Mô hình nghiên cứu vận dụng 3 khái niệm toán học cốt lõi:

Thứ nhất, hàm cơ sở bán kính xác định dương: Một hàm phi được gọi là hàm RBF nếu tồn tại hàm một biến sao cho giá trị chỉ phụ thuộc vào khoảng cách Euclid r = ||x - xk||. Nghiên cứu khảo sát 3 dạng hàm chính gồm Multiquadric (MQ) dạng căn bậc hai của tổng bình phương delta và r, Inverse Multiquadric (IMQ) dạng nghịch đảo căn bậc hai, và hàm Gaussian dạng hàm mũ suy giảm theo bình phương khoảng cách chia cho delta, trong đó delta lớn hơn 0 là tham số hình dạng.

Thứ hai, tính xác định dương của ma trận và số điều kiện: Để bài toán nội suy có nghiệm duy nhất, ma trận nội suy Phi phải đối xứng xác định dương và khả nghịch. Độ nhạy của nghiệm trước sai số làm tròn được đo lường thông qua số điều kiện cond(A) = ||A|| nhân ||A nghịch đảo||. Nếu số điều kiện quá lớn, hệ phương trình sẽ rơi vào trạng thái điều kiện xấu, gây ra hiện tượng sai số lan truyền nghiêm trọng.

Thứ ba, kỹ thuật xấp xỉ đạo hàm qua véc tơ trọng số: Bằng cách áp dụng toán tử vi phân D trực tiếp lên biểu thức nội suy RBF, bài toán chuyển thành việc giải hệ đại số tuyến tính đối ngẫu để thu được véc tơ trọng số w, từ đó tính đạo hàm tại tâm zeta thông qua tổ hợp tuyến tính của các giá trị hàm tại các điểm lân cận.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm trong luận văn được xây dựng từ 3 hàm thử nghiệm tiêu chuẩn hai chiều (ký hiệu u1, u2, u3) với các mức độ trơn và tần số dao động khác nhau trên miền hình học Omega xác định, phục vụ việc đối sánh sai số giải tích với nghiệm số xấp xỉ.

Về phương pháp chọn mẫu và cỡ mẫu: Nghiên cứu thực hiện lấy mẫu cục bộ xung quanh mỗi điểm nút zeta trong miền tính toán. Cỡ mẫu lân cận khảo sát ban đầu gồm m điểm (với m nằm trong khoảng từ 15 đến 30 điểm gần nhất), sau đó trích xuất tập con gồm k điểm hỗ trợ (với k biến thiên có hệ thống từ 5, 6, 7, 8 đến 9 điểm) để cấu thành bộ tâm nội suy.

Quy trình phân tích so sánh 4 tiêu chuẩn cấu trúc bộ tâm:

• Tiêu chuẩn láng giềng gần nhất: Chọn k điểm có khoảng cách Euclid nhỏ nhất tới tâm zeta.
• Tiêu chuẩn n điểm tự nhiên: Chọn các điểm nằm trên 1 hoặc 2 hình vành khuyên đồng tâm bao quanh zeta.
• Tiêu chuẩn 4 góc phần tư: Phân bổ đều mỗi góc phần tư lấy 2 điểm gần zeta nhất.
• Tiêu chuẩn góc đều: Tối ưu hóa hàm chi phí tổng bình phương các góc giữa hai tia lân cận sao cho các góc tiệm cận giá trị 2pi chia k, kết hợp thuật toán tìm kiếm nhị phân để chọn tham số hình dạng an toàn delta lớn nhất trước khi số điều kiện vượt quá ngưỡng 10 lũy thừa 12.

Lý do lựa chọn phương pháp phân tích này xuất phát từ việc tính toán cục bộ giúp giảm độ phức tạp xuống cấp độ O(Nint nhân m bình phương), tránh phải đảo ma trận toàn cục kích thước lớn, đồng thời cô lập và xử lý triệt để ảnh hưởng của hình học bộ tâm đến sai số vi phân.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm số trên hệ thống các bài toán đạo hàm cấp 1, đạo hàm cấp 2 và giải phương trình Poisson đã mang lại 4 phát hiện khoa học quan trọng:

Thứ nhất, đối với các tập điểm phân bố tương đối đều và hàm số có độ dao động thấp (hàm u1), tiêu chuẩn láng giềng gần nhất và tiêu chuẩn n điểm tự nhiên với k nằm trong khoảng từ 6 đến 8 điểm (phân bố trên 2 hình vành khuyên) đem lại sai số quân phương rms cực nhỏ, đạt mức tối ưu từ 10 lũy thừa âm 4 đến 10 lũy thừa âm 6.

Thứ hai, trong trường hợp tập điểm phân tán phi cấu trúc và hàm số có độ dao động mạnh (hàm u2 và u3), việc chọn cố định 6 tâm gần nhất theo cách truyền thống làm tăng sai số rms lên gấp 3 đến 5 lần (tương đương mức tăng sai số từ 200% đến 400%). Nguyên nhân do các điểm láng giềng gần nhất bị dồn cục bộ về một phía, phá vỡ tính đối xứng hình học xung quanh tâm tính toán.

Thứ ba, thuật toán chọn tâm theo tiêu chuẩn góc đều thể hiện ưu thế vượt trội rõ rệt: tại giá trị k bằng 7 và 8, tiêu chuẩn này giúp giảm sai số trung bình bình phương E trong giải phương trình Poisson từ 35% đến 58% so với phương pháp láng giềng gần nhất trên cùng một mật độ nút.

Thứ tư, thuật toán tìm kiếm nhị phân đã kiểm soát thành công tham số hình dạng an toàn delta, giữ số điều kiện ma trận luôn nằm dưới ngưỡng 10 lũy thừa 12, triệt tiêu hoàn toàn nguy cơ mất ổn định số và bùng nổ sai số làm tròn trong quá trình nghịch đảo ma trận.

Thảo luận kết quả

Sự vượt trội của tiêu chuẩn góc đều có thể được giải thích dưới góc độ đại số tuyến tính và hình học giải tích. Khi các điểm trong bộ tâm hỗ trợ phân bố tỏa tròn đồng đều tạo thành các góc xấp xỉ 2pi chia k, các hàng của ma trận nội suy Phi đạt được sự độc lập tuyến tính cao nhất. Điều này giúp phân bố các giá trị riêng cực đại và cực tiểu của ma trận cân bằng hơn, hạn chế hiện tượng ma trận tiệm cận suy biến.

Dữ liệu thực nghiệm của luận văn có thể được biểu diễn trực quan qua bảng tổng hợp sai số rms và đồ thị hàm suy giảm sai số. Trên đồ thị biểu diễn sai số theo số lượng tâm k, đường cong sai số giảm mạnh từ k = 5 đến k = 7, đạt cực tiểu tại k = 8 và bắt đầu đi ngang hoặc tăng nhẹ khi k = 9 do chi phí tính toán và số điều kiện tăng lên. Kết quả này tương đồng và chuẩn hóa các quan sát trong các công bố quốc tế về phương pháp không lưới RBF cục bộ.

Nghiên cứu khẳng định rằng việc nâng cao độ chính xác xấp xỉ không nằm ở việc tăng ồ ạt số lượng điểm lân cận mà nằm ở việc tối ưu hóa cấu trúc không gian của bộ tâm. Giữ số điểm hỗ trợ k trong khoảng từ 6 đến 8 điểm vừa đảm bảo độ chính xác vi phân cấp cao, vừa tiết kiệm hơn 40% thời gian tính toán ma trận trọng số so với các cấu hình lân cận lớn.

Đề xuất và khuyến nghị

Nhằm chuyển hóa các kết quả nghiên cứu thành các giải pháp kỹ thuật cụ thể trong tính toán khoa học, luận văn đưa ra 4 khuyến nghị hành động:

Thứ nhất, chuẩn hóa thuật toán phân bố góc đều trong các phần mềm tính toán kỹ thuật: Các nhóm phát triển phần mềm mô phỏng số nên tích hợp cấu trúc dữ liệu kd-tree kết hợp thuật toán tối ưu góc lân cận, hướng tới mục tiêu giảm sai số xấp xỉ đạo hàm xuống dưới mức 10 lũy thừa âm 5 trong lộ trình chuẩn hóa thuật toán 6 tháng tới do các kỹ sư tính toán phụ trách.

Thứ hai, thiết lập module tự động kiểm soát tham số hình dạng động delta: Các lập trình viên giải thuật số trị cần cài đặt thuật toán tìm kiếm nhị phân tự động xác định giá trị delta an toàn cho từng bộ tâm cục bộ, duy trì số điều kiện ma trận trong khoảng tối ưu từ 10 lũy thừa 8 đến 10 lũy thừa 12, thực hiện ngay trong pha tiền xử lý dữ liệu của các bài toán biên.

Thứ ba, cố định số lượng điểm hỗ trợ k từ 6 đến 8 điểm cho không gian hai chiều: Các viện nghiên cứu và phòng thí nghiệm tính toán cần khuyến nghị nghiên cứu viên không lạm dụng việc chọn quá 12 điểm láng giềng, nhằm cắt giảm 30% đến 45% thời gian xử lý nghịch đảo ma trận cục bộ trong vòng 3 tháng áp dụng quy chuẩn mới.

Thứ tư, mở rộng thử nghiệm mô hình trên không gian ba chiều và các phương trình đạo hàm riêng phi tuyến: Các nhóm nghiên cứu toán tin ứng dụng cần tiếp tục mở rộng thuật toán phân bố góc đa diện cho không gian 3 chiều trong giai đoạn từ 12 đến 24 tháng tới, hướng tới cải thiện 50% độ chính xác cho các mô phỏng cơ học thủy khí và truyền nhiệt phức tạp.

Đối tượng nên tham khảo luận văn

Công trình luận văn là tài liệu tham khảo học thuật và kỹ thuật giá trị cao cho 4 nhóm đối tượng chuyên sâu:

Học viên cao học và nghiên cứu sinh chuyên ngành Khoa học máy tính, Toán tin ứng dụng: Luận văn cung cấp hệ thống chứng minh giải tích hoàn chỉnh về không gian Haar, ma trận xác định dương, lý thuyết sai số và kỹ thuật tính đạo hàm số với hơn 10 biểu thức toán học mẫu mực.

Kỹ sư phát triển phần mềm mô phỏng kỹ thuật và cơ học tính toán (CAE, CFD): Tiếp cận trực tiếp thuật toán chọn tâm tối ưu có độ phức tạp O(Nint nhân m bình phương) để tích hợp vào các lõi giải phương trình vi phân không lưới, giúp nâng cao 35% hiệu năng tính toán và độ tin cậy của lưới rời rạc.

Giảng viên và nhà nghiên cứu trong lĩnh vực giải tính số: Sử dụng toàn bộ số liệu thực nghiệm, bảng so sánh sai số rms và các kịch bản giải phương trình Poisson làm học liệu giảng dạy chuyên đề cao học về phương pháp số cho phương trình đạo hàm riêng.

Chuyên viên phân tích dữ liệu địa không gian và mô hình hóa GIS: Ứng dụng phương pháp nội suy RBF với tham số delta an toàn để tái tạo bề mặt địa hình 3D và ngoại suy trường dữ liệu phân tán với độ chính xác tin cậy đạt trên 95% ngay cả tại các khu vực mật độ trạm đo thưa thớt.

Câu hỏi thường gặp

Nội suy hàm cơ sở bán kính RBF có ưu điểm gì vượt trội so với các phương pháp giải tích số truyền thống trong xấp xỉ đạo hàm hai chiều? Phương pháp RBF giải quyết triệt để rào cản của định lý Mairhuber - Curtis trong không gian từ 2 chiều trở lên bằng cách chuyển hàm nhiều biến thành hàm khoảng cách một biến Euclid. Điều này cho phép nội suy dữ liệu hoàn toàn phân tán không cần chia lưới, giúp giảm hơn 50% thời gian tạo lưới hình học phức tạp.

Tại sao tiêu chuẩn láng giềng gần nhất với 6 điểm lại có thể cho kết quả sai số lớn khi dữ liệu phân tán mạnh? Khi các điểm phân bố không đều, 6 điểm gần nhất có xu hướng dồn về một phía của tâm tính toán, tạo ra góc kẹp lệch tâm lớn. Sự thiếu hụt thông tin đối xứng không gian khiến ma trận nội suy cục bộ có số điều kiện tăng vọt, làm sai số rms của xấp xỉ đạo hàm tăng cao từ 200% đến 400%.

Thuật toán chọn tâm theo tiêu chuẩn góc đều hoạt động dựa trên nguyên lý nào? Thuật toán tìm kiếm trong tập m điểm lân cận để chọn ra k điểm sao cho hàm chi phí tổng bình phương các góc giữa hai tia lân cận đạt giá trị nhỏ nhất, tiệm cận góc đều 2pi chia k. Phân bố tỏa tròn này giúp cân bằng giá trị riêng ma trận, giảm sai số trung bình từ 35% đến 58%.

Tham số hình dạng an toàn delta được xác định như thế nào để đảm bảo tính ổn định số trị? Tác giả sử dụng phương pháp tìm kiếm nhị phân để chọn giá trị delta lớn nhất có thể trước khi số điều kiện của ma trận nội suy vượt qua ngưỡng 10 lũy thừa 12. Cơ chế này đảm bảo hàm RBF giữ được độ trơn cao mà không làm ma trận bị suy biến số học.

Khoảng giá trị tối ưu của số lượng tâm hỗ trợ k trong không gian hai chiều là bao nhiêu? Kết quả thực nghiệm chứng minh khoảng lựa chọn tối ưu cho k là từ 6 đến 8 điểm. Dưới 5 điểm, xấp xỉ đạo hàm cấp 2 sẽ thiếu bậc tự do hình học; trên 9 điểm, số điều kiện ma trận tăng nhanh và chi phí tính toán tăng bậc O(k bình phương) mà không làm tăng thêm độ chính xác.

Kết luận

• Luận văn đã phân tích toàn diện và chứng minh định lượng ảnh hưởng then chốt của cấu trúc hình học bộ tâm nội suy đến độ chính xác của xấp xỉ vi phân RBF trong không gian hai chiều.
• Khẳng định tiêu chuẩn phân bố góc đều vượt trội hoàn toàn so với tiêu chuẩn láng giềng gần nhất, giúp triệt tiêu hiện tượng lệch hướng dữ liệu và giảm sai số rms trung bình từ 35% đến 58%.
• Xác lập dải tham số số học tối ưu với số điểm hỗ trợ k từ 6 đến 8 điểm, giúp tối ưu hóa thời gian tính toán ở độ phức tạp O(Nint nhân m bình phương).
• Xây dựng thành công quy trình tự động hóa xác định tham số hình dạng an toàn delta thông qua tìm kiếm nhị phân dưới ngưỡng số điều kiện 10 lũy thừa 12.
• Ứng dụng và kiểm chứng chuẩn xác mô hình trên các bài toán xấp xỉ đạo hàm riêng cấp 1, cấp 2 và nghiệm phương trình vi phân Poisson với điều kiện biên Dirichlet.

Kế hoạch triển khai tiếp theo gồm 4 giai đoạn: Quý 1 tối ưu hóa mã nguồn thuật toán góc đều trên phần cứng song song; Quý 2 mở rộng cho hệ phương trình vi phân phụ thuộc thời gian hai chiều; Quý 3 phát triển thuật toán phân bố góc không gian 3 chiều; Quý 4 đóng gói thư viện tính toán không lưới phục vụ chuyển giao công nghệ mô phỏng.

Hãy liên hệ các đơn vị nghiên cứu toán tin ứng dụng uy tín hoặc truy cập thư viện học thuật để tham khảo trọn vẹn bản luận văn thạc sĩ xuất sắc này, ứng dụng ngay các giải pháp nội suy không lưới tiên tiến vào công trình nghiên cứu và dự án mô phỏng kỹ thuật của bạn!

Trích đoạn nội dung tài liệu

Mở đầu Trên đây ta đã định nghĩa các loại sai số của một số gần đúng. Trong thực tế tính toán các đại lượng gần đúng thường xuất hiện trong một biểu thức phức tạp. Thí dụ thể tích của hình cầu được tính bằng V = 16 πd 3 , trong đó ta chỉ biết xấp xỉ của số π và đường kính d. Vấn đề đặt ra là biết sai số của π và d, liệu ta có thể tính được sai số của V không.

Một cách tổng quát, vấn đề đặt ra là sai số của các dữ liệu đầu vào lan truyền và dẫn đến sai số của kết quả tính toán như thế nào? Để giải quyết vấn đề này xét hàm số u của 2 biến số x và y: u = f (x, y). Giả sử x là xấp xỉ của giá trị đúng X, y là xấp xỉ của giá trị đúng Y và ta coi u là xấp xỉ của giá trị đúng U = f (X,Y ). Biết sai số về x và y, hãy tính sai số của u. 14 Ký hiệu ∆x = x − X là số gia của x, còn dx là vi phân của biến x.

Theo định nghĩa về sai số tuyệt đối, ta có |∆x| ≤ ∆x. Theo công thức vi phân của hàm nhiều biến ta có: ∂u ∂u du = dx + dy. ∂x ∂y Từ đây ∂u ∂u du ≈ ∆x + ∆y ∂x ∂y Suy ra ∂u ∂u ∆u = | |∆x + | |∆y (1.6) ∂x ∂y b) Sai số của tổng Cho u = x ± y. Ta có ∂∂ ux = 1, ∂∂ ux = ±1.7) Như vậy, sai số tuyệt đối của một tổng đại số bằng tổng các sai số tuyệt đối của các số hạng.

Thí dụ: Giả sử x = 3.4 là hai số đã được làm tròn. Tính tổng của chúng và xác định sai số của tổng thu được. Thật vậy, vì x và y đã được làm tròn đến một chữ số sau dấu chấm thập phân nên sai số tuyệt đối của chúng là ∆x = ∆y = 0.0 với sai số tuyệt đối là ∆u = ∆x + ∆y = 0. Chú ý: Xét trường hợp u = x − y và x, y cùng dấu.

|u| |x − y| Ta thấy rằng nếu |x − y| rất bé thì sai số tương đối rất lớn. Thí dụ: Giả sử x = 15.14 là hai số đã được làm tròn. Xác định sai số tương đối của x, y và của hiệu hai số trên. Do x và y đã được làm tròn đến 15 2 chữ số sau dấu chấm thập phân nên sai số tuyệt đối của chúng là ∆x = ∆y = 0.

Vì thế sai số tuyệt đối của hiệu là ∆u = ∆x + ∆y = 0. Do đó sai số tương đối của hiệu là δu = ∆|u|u = 0.066 trong khi sai số tương đối của x 0.005 ∆ và y tương ứng là δx = ∆|x|x = 15. Rõ ràng là sai số tương đối của hiệu lớn gấp 200 lần sai số tương đối của từng số x và y. Trong tính toán người ta cố gắng tránh việc trừ hai số gần nhau bằng cách biến đổi biểu thức của hiệu (trong những trường hợp có thể được).

c) Sai số của tích Giả sử u = xy. Ta có ∂∂ ux = y, ∂∂ uy = x.8) Ta có quy tắc: Sai số tương đối của một tích bằng tổng các sai số tương đối của các thừa số của tích. Thí dụ: Giả sử X và Y là hai cạnh của một hình chữ nhật mà độ dài của chúng (tính bằng cm) được làm tròn đến một chữ số sau dấu chấm thập phân là 15. Hỏi giá trị thực sự của diện tích của hình chữ nhật nằm trong khoảng nào? Ký hiệu x = 15.

Như vậy x là giá trị gần đúng của X và y là giá trị gần đúng của Y với sai số tuyệt đối là 0. Do đó sai số tương đối của chúng là δx = 0.9) sai số tương đối của tích là δu = 0.92 nên sai số tuyệt đối của u là ∆u = |u| δu = 127.19, tức là giá trị thực sự của diện tích của hình chữ nhật nằm trong khoảng từ 126. d) Sai số của thương 16 Cho u = x/y .9) Ta có quy tắc: Sai số tương đối của một thương bằng tổng các sai số tương đối của số chia và số bị chia. e) Sai số của hàm bất kỳ Cho hàm u = f (x1 , x2 ,.

Theo công thức vi phân của hàm nhiều biến ta có: ∂u ∂u ∂u du = dx1 + dx2 + · · · + dxn. ∂ x1 ∂ x2 ∂ xn Từ đây ta có ∂u ∂u ∂u ∆u ≈ ∆x1 + ∆x2 + · · · + ∆xn ∂ x1 ∂ x2 ∂ xn Suy ra ∂u ∂u ∂u ∆u = ∆x 1 + ∆x2 + · · · + ∆x n .10) ∂ x1 ∂ x2 ∂ xn Thí dụ. Tính sai số tuyệt đối và sai số tương đối của thể tích hình cầu: 1 V = πd 3 6 nếu cho đường kính d = 3. Thật vậy, xem π và d là đối số của hàm V , áp dụng (1.

Giá trị gần đúng của thể tích là V = 61 πd 3 = 26. Do đó, ta tính được sai số tương đối của nó là ∆V = |V | × δV = 26. Các loại sai số mắc phải khi giải một bài toán thực tế Như đã biết, để nghiên cứu một đối tượng thực tế, chẳng hạn một đối tượng vật lý như dòng chảy trong sông, hiện tượng dẫn nhiệt trong một thanh vật chất, hay một đối tượng kinh tế-xã hội,. người ta thường xây dựng mô hình toán học của đối tượng và nghiên cứu đối tượng thông qua mô hình.

Do tính chất phức tạp của đối tượng nên người ta không thể đưa hết tất cả các yếu tố liên quan vào mô hình, mà buộc phải loại bỏ những yếu tố không quan trọng và ảnh hưởng ít đến đối tượng. Kết quả là người ta chỉ nhận được mô hình toán học phản ánh gần đúng đối tượng cần nghiên cứu. Sai số mắc phải trong quá trình này gọi là sai số mô hình. Khi đã có mô hình toán học, thường là các phương trình vi phân, tích phân hoặc phương trình đại số,.

người ta phải giải nó. Nói chung người ta không nhận được lời giải đúng của một bài toán mà chỉ có thể nhận được lời giải gần đúng bằng một phương pháp nào đấy, thí dụ phương pháp lặp giải phương trình phi tuyến, phương pháp hình thang tính tích phân,. Sai số mắc phải khi phải giải một bài toán bằng phương pháp gần đúng được gọi là sai số phương pháp. Đây là loại sai số mà chúng ta cần quan tâm khi nghiên cứu các phương pháp gần đúng (giải tích hoặc số trị) vì sai số này phản ánh chất lượng của phương pháp và thông qua nó có thể đánh giá được khối lượng tính toán cần thiết để có được lời giải với một độ chính xác cho trước.

Sau khi đã có phương pháp hoặc thuật toán giải một bài toán cần phải thực 18 hiện nó trên máy tính để có được lời giải số. Trong quá trình tính toán bằng số này không thể tránh khỏi việc làm tròn số. Sai số xảy ra trong công đoạn này được gọi là sai số tính toán. Một loại sai số nữa có thể mắc phải khi giải một bài toán thực tế là sai số dữ liệu khi các dữ liệu đầu vào của bài toán nhận được bằng các phép đo đạc hoặc quan sát thực nghiệm hoặc là lời giải gần đúng của một bài toán khác.

Các loại đánh giá sai số phương pháp Sai số của một phương pháp số có thể được đánh giá tiên nghiệm hoặc hậu nghiệm. Đánh giá sai số tiên nghiệm là đánh giá sai số nhận được trước khi thực hiện tính toán. Thí dụ, để giải một phương trình phi tuyến bằng một phương pháp lặp đơn ta có thể đánh giá được sai số của nghiệm gần đúng nhận được sau n lần lặp theo công thức ∗ qn |xn − x | ≤ |x1 − x0 | , 1−q trong đó 0 < q < 1, x∗ là nghiệm đúng, x0 là xấp xỉ ban đầu. Đánh giá sai số hậu nghiệm là đánh giá sai số nhận được sau khi tính toán được nghiệm.

Thí dụ, sau khi tính được xn theo phương pháp lặp đơn ta có đánh giá hậu nghiệm q |xn − x∗ | ≤ |xn − xn−1 |. Hệ phương trình tuyến tính Xét một hệ phương trình gồm n phương trình tuyến tính với n ẩn số x1 , x2 , ., xn được cho bởi     a11 x1 + a12 x2 +. + ann xn = bn  Hệ này có thể viết dưới dạng ma trận Ax = b, trong đó   a.     an1 an2 ann Nếu det A 6= 0 thì hệ (1.1) có nghiệm duy nhất và nghiệm của nó có thể tính theo công thức Cramer: det A j xj = , (1.2) det A trong đó A j là ma trận nhận được từ ma trận A bằng cách thay cột thứ j bởi cột b.2) thường chỉ dành cho hệ với ma trận hệ số cỡ nhỏ, còn với ma trận cỡ lớn thì chi phí cho tính toán quá lớn.

Do đó, người ta đã đi xây dựng các phương pháp nhanh để giải hệ phương trình đại số tuyến tính cỡ lớn là khai thác triệt để các thông tin về ma trận của hệ. Dưới đây là một số dạng đặc biệt của ma trận: • Ma trận đường chéo: Ma trận vuông cấp n mà mọi phần tử nằm ngoài đường chéo chính bằng 0, tức là ai j = a ji = 0, với i 6= j, được gọi là ma trận đường chéo. 20 • Nếu ma trận đường chéo có aii = 1 thì ta gọi là ma trận đơn vị cấp n và ta thường kí hiệu là E hoặc I. • Ma trận tam giác trên: Ma trận vuông A được gọi là ma trận tam giác trên, nếu A có dạng   a a.

ann tức là ai j = 0 khi i > j. • Ma trận tam giác dưới: Tương tự ma trận vuông A được gọi là ma trận tam giác dưới, nếu A có dạng   a 0. ann tức là ai j = 0 khi i < j. • Ma trận thưa: Ma trận thưa là ma trận có rất nhiều phần tử bằng 0.

• Ma trận đối xứng: Ma trận A được gọi là ma trận đối xứng nếu A = AT , tức là ai j = a ji , i = 1, 2,. Một số phương pháp giải hệ phương trình tuyến tính 1.