پیاده سازی بهینه روش بدون شبکه توابع پایه نمایی روی بسترهای مختلف نرم افزاری و مقایسه کارایی آنها
Publish place: Modares Civil Engineering journal، Vol: 17، Issue: 1
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 38
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_MCEJ-17-1_020
Index date: 24 February 2025
پیاده سازی بهینه روش بدون شبکه توابع پایه نمایی روی بسترهای مختلف نرم افزاری و مقایسه کارایی آنها abstract
در دهه های اخیر روش های بدون شبکه مورد توجه محققان قرار گرفته اند. هزینه بالای تولید شبکه المان بندی، چه در بعد محاسباتی و چه در بعد نیروی انسانی متخصص یکی از مهم ترین دلایل این امر به شمار می رود. روش توابع پایه نمایی یکی از این روش ها است که در چند سال اخیر جهت حل انواع معادلات دیفرانسیل پاره ای در مسائل مختلف علوم مهندسی با موفقیت به کار رفته است. در این مقاله پیاده سازی این روش روی بسترهای مختلف نرم افزاری مورد بحث قرار گرفته و کارایی نسبی آنها با یکدیگر مقایسه می شود. نتایج نشان می دهد با پیاده سازی مناسب می توان خطای ناشی از حل عددی را به شدت کاهش داد. کارایی نسبی انجام حل با استفاده از زبان های برنامه نویسی معمول مانند C++ در مقایسه با بسته های نرم افزاری ریاضی همواره یکی از سوالات رایج هنگام استفاده از این بسته های نرم افزاری است. در این تحقیق نشان داده می شود در صورت پیاده سازی بهینه روش توابع پایه نمایی این نسبت بین ۵/۲ تا ۶ متغیر است.
پیاده سازی بهینه روش بدون شبکه توابع پایه نمایی روی بسترهای مختلف نرم افزاری و مقایسه کارایی آنها Keywords:
Exponential basis function method (EBF) , Pseudo-Inverse , Singular value decomposition (SVD) , Partial differential equations (PDE) , Optimal implementation , روش توابع پایه نمایی , شبه وارون , جداسازی مقدار تکین , معادلات دیفرانسیل پاره ای , پیاده سازی بهینه
پیاده سازی بهینه روش بدون شبکه توابع پایه نمایی روی بسترهای مختلف نرم افزاری و مقایسه کارایی آنها authors
فرشید مسیبی
University of Isfahan, Department of Civil Engineering
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
