Man könnte auf die Idee kommen, dass Datenflussprogrammierung eine naheliegende Technologie für die Modellierung von Differentialgleichungssystemen ist. Doch trifft das wirklich zu?
Das trifft nur unter folgender Bedingung zu: Die Differentialgleichungen dürfen nur mit numerischen Methoden bearbeitet werden, die lediglich eine Auswertung der Funktion
erfordern. Mehrschrittverfahren wie die Klasse der Runke-Kutta-Verfahren oder
die Familie der Adams-Verfahren dürfen nicht zur Lösung eingesetzt werden.
Dies daher, weil gekoppelte Differentialgleichungssysteme, die über die aktuellen Zustände miteinander in Verbindung stehen erst nach einem Integrationsschritt über die neuen Zustände informiert werden, während in einem geschlossenen System diese Informationen innerhalb des Integrationsschrittes zur Verfügung stehen. Da mehrstufige Verfahren die Ableitungen mehrfach und zu unterschiedlichen Zeitpunkten auswerten, fehlen diese Informationen dann, beziehungsweise wird fälschlicherweise unter der Annahme operiert, dass die Inputs von den anderen Differentialgleichungen über den betrachteten Zeitraum des Integrationsschrittes konstant bleiben.
Bereits mit dem einfachen Beispiel des harmonischen, ungedämpften Oszillators lässt sich
zeigen, dass diese Herangehensweise der Übertragung der Informationen zwischen Differentialgleichungen außerhalb
des Integrationsschrittes zu Verfälschungen führt, die dafür sorgen, dass
Verfahren mit adaptiver Schrittweitenregelungen zu vollkommen falschen Ergebnissen führen.
Die beiden Bilder hier machen dies deutlich:
Hier der Verlauf der numerischen Lösung mit dem Verfahren nach Runge, Kutta, Fehlberg - man sieht eine
schöne Oszillation, genau wie erwartet.
Hier die Modellierung desselben Systems mittels zweier gekoppelter Differentialgleichungen erster Ordnung: Bereits
nach wenigen Schritten läuft dasselbe Verfahren wie oben völlig aus dem Ruder
GeoJSON in EBMap4D
31.07.2021
Ich habe die Anwendung EBMap4D einer Generalüberholung unterzogen und neue Features hinzugefügt...
WeiterlesenAI und ML Android Basteln C und C++ Chaos Datenbanken Docker dWb+ ESP Wifi Garten Geo Go GUI Hardware Java Jupyter JupyterBinder Komponenten Links Linux Markdown Markup Music Numerik OpenSource PKI-X.509-CA Präsentationen Python QBrowser Rants Raspi Revisited Security Software-Test sQLshell TeleGrafana Verschiedenes Video Virtualisierung Windows Upcoming...
Ich halte mich von den Themen Artificial Intelligence und Machine Learning (Large Language Models) ja fern so gut es geht - vor allem, weil ich das mal studiert habe. Manchmal überkommt mich aber die Neugierde - das Resultat war bisher immer schlechte Laune.
WeiterlesenWie bereits in einem früheren Artikel beschrieben habe verfügt die sQLshell über eine Integration zur Erfassung von Daten aus Dokumentendirekt per Optical Character Recognition. Ich habe diese Integration weiter verfeinert und möchte hier einen exemplarischen Workflow für diese Möglichkeit zeigen
WeiterlesenDiese Seite wird mit allen derzeit in meinem Self-Hosting Homelab betriebenen Services auf Docker-Basis befüllt (Eigenentwicklungen werden nicht genannt, sofern sie keine öffentlich verfügbaren Open-Source-Lösungen darstellen).
WeiterlesenManche nennen es Blog, manche Web-Seite - ich schreibe hier hin und wieder über meine Erlebnisse, Rückschläge und Erleuchtungen bei meinen Hobbies.
Wer daran teilhaben und eventuell sogar davon profitieren möchte, muss damit leben, daß ich hin und wieder kleine Ausflüge in Bereiche mache, die nichts mit IT, Administration oder Softwareentwicklung zu tun haben.
Ich wünsche allen Lesern viel Spaß und hin und wieder einen kleinen AHA!-Effekt...
PS: Meine öffentlichen Codeberg-Repositories findet man hier.