THM-MALLIN NUMERIIKKA. Antti Niemistö, Janne Martikainen Numerola oy
|
|
- Erkki Korhonen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 THM-MALLIN NUMERIIKKA Antti Niemistö, Janne Martikainen Numerola oy 1
2 THM-mallin Numerrin-toteutus pohjana Petri Jussilan väitöstyössä esitetty THM-malli 3D toteutus Numerrin4 mallinnusalustalle numeerisen mallin muuttujat: faasien (kiintoaine, vesi, ilma, höyry) tilavuusosuudet höyryn paine lämpötila kiintoaineen siirtymä 2
3 THM-mallin Numerrin-toteutus mallin paikkadiskretointi: voluumielementtimenetelmä (FVEM) massan ja energian säilymisyhtälöille äärellisten elementtien menetelmä (FEM) kiintoaineen liikemäärän säilymisyhtälöille trilineaarinen funktioaproksimaatio tulosten vertailukohtana Petri Jussilan väitöstyössä dokumentoitu simulointiajo 3
4 Esimerkkinä rakennetehtävä Integral(Omega,FEM_IntegralFormula,FEM_IntegrationDegree) phi=basisfunction(v) Gradphi=BasisGradient(V) tilde_rho_v=hat_b(.)*m_v/(r*t(.)) tilde_rho_a=hat_b(.)*m_a/(r*t(.)) rho=xi_s(.)*tilde_rho_s+xi_l(.)*tilde_rho_l +xi_v(.)*tilde_rho_v+xi_a(.)*tilde_rho_a Z Ω σ i ϕ ρg iϕdω = 0 ϕ, σ = 2ξsGǫ D ( ˆB ξsktrǫ + Π v max ξ sf Π ˆB0 )I SL=xi_s(.)/xi_l(.) E_=fE(SL,SL_init,nu,K_init,b) G_=fG(SL,SL_init,nu,K_init,b) fk_=fk(sl,sl_init,k_init,b) f_pi_sl=f_pi(sl, a_3, a_4, a_5) varepsilon=get_strain(u) varepsilon D=varepsilon-tr_varepsilon(.)/3.0*I sigma=2.0*xi_s(.)*g_*varepsilon D - (hat_b(.)-xi_s(.)*fk_*tr_varepsilon(.) -xi_s(.)*f_pi_sl*hat_b_0+pi v_max)*i res[5] <- sigma[0,:] dot Gradphi - rho*g[0]*phi res[6] <- sigma[1,:] dot Gradphi - rho*g[1]*phi res[7] <- sigma[2,:] dot Gradphi - rho*g[2]*phi EndIntegral 4
5 Esimerkkinä rakennetehtävä Constraint(dOmega2,V) res[7] <- u[2](.)-0.0 EndConstraint Constraint(dOmega3,V) res[5] <- u[0](.)-0.0 res[6] <- u[1](.)-0.0 EndConstraint Constraint(dOmega4,V) res[7] <- u[2](.)-0.0 EndConstraint Constraint(dOmega5,V) res[5] <- u[0](.)-0.0 res[6] <- u[1](.)-0.0 EndConstraint Constraint(dOmega6,V) res[7] <- u[2](.)-0.0 EndConstraint 5
6 Rinnakkaistukset on tehty laskentaohjelmistoon mallien kirjoittamisessa sitä ei tarvitse huomioida käyttäjä määrittelee käynnistyksen yhteydessä käytettävien prosessoriytimien maksimimäärän Rinnakkaisuus on rakennettu säikeistyksellä tietokoneen on oltava shared memory laskenta käynnistää ja sammuttaa säikeet dynaamisesti itse 6
7 Tärkeimmät rinnakkaistetut rutiinit ovat ODY:jen kasaus ja lineaaristen yhtälösysteemien ratkaiseminen iteratiivisesti kasauksessa alue on jaettu elementtimäärien mukaan saman kokoisiin viipaleisiin viipaleet kasataan rinnakkain osamatriisit lasketaan rinnakkain yhteen tehtävälle on valittu iteratiiviseksi ratkaisijaksi GMRes pohjustin on blokkidiagonaalinen ILU, jonka rakentaminen ja käyttö on rinnakkaista ilman synkronointia 7
8 ODY:jen rinnakkaisessa kasauksessa tarvitaan enemmän muistia osamatriisien tallettamiseen. Toteutus on tehtävä tarkasti muistin sirpaloitumisen estämiseksi. Blokkidiagonaalisen ILU:n laatu riippuu käytettävien prosessoriytimien määrästä. 8
9 Tehtävän kasauksen rinnakkaistehokkuuksia, tuntematonta np t [s] par. eff. %
10 Lineaarisen yhtälöryhmän ratkaisemisen rinnakkaistehokkuuksia, tuntematonta np t [s] iter t/iter [s] par. eff. %
11 Suurin ajettu simulointi 3D:ssa sisälsi n. 2.2 miljoonaa tuntematonta, jolloin tarvittu muistin määrä 8 prosessorilla oli 30 Gt ja laskenta-ajan kertaluokka 18 h simuloinnille kolmella askeleella viikonloppu. Laskentakone on HP DL585G5, prosessorit 4 x Opteron 8378 (Quad-Core, 2.4 GHz), 64Gt 800MHz muistia. 11
12 Diskretointi Faasien tilavuusosuuksien positiivisuuden säilyttämiseksi on tutkittu diskretointeja matala-asteista konservatiivista aproksimaatiota suureiden vuotermeille aktiivijoukkomenetelmää faasimuutoksen rajoittamiseksi Menetelmät säilyttävät positiivisuuden, mutta matala-asteinen aproksimaatio aiheuttaa epätarkkuutta faasimuutoksen vaikeuttaa epälineaarisen tehtävän ratkaisemista 12
13 Toteutettavia asioita uudet fysiikkamallit positiivisuuden säilyttävät tekniikat varsinaiseen laskentakoodiin korkea-asteiset aikaintegroinnit multilevel -tyyppiset rinnakkaiset pohjustimet simulointi oikeassa sijoitustilanteessa 13
14 14
15 15
Behaviour of bentonite buffer. Modeling and numerical simulation. Markku Kataja,, Rolf Stenberg, nnö,, Mika Juntunen Antti Niemistö
Behaviour of bentonite buffer. Modeling and numerical simulation. Markku Kataja,, Rolf Stenberg, Juho KönnK nnö,, Mika Juntunen Antti Niemistö Objectives for 2008: 1. Extrension of the existing THM model
Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden
Numeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35
Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen
Numeeriset menetelmät
Numeeriset menetelmät Luento 6 To 22.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 6 To 22.9.2011 p. 1/38 p. 1/38 Ominaisarvotehtävät Monet sovellukset johtavat ominaisarvotehtäviin Yksi
Numeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43
Numeeriset menetelmät TIEA381 Luento 7 Kirsi Valjus Jyväskylän yliopisto Luento 7 () Numeeriset menetelmät 10.4.2013 1 / 43 Luennon 7 sisältö Interpolointi ja approksimointi Interpolaatiovirheestä Paloittainen
Yleisen PSCR-menetelmän toteutus ohjelmoitavalla näytönoh
Yleisen n toteutus ohjelmoitavalla näytönohjaimella Mirko Myllykoski mirko.myllykoski@jyu.fi 15.2.2011 Mitä teen? Tarkoituksena toteuttaa (ja osin jo toteutettukin) stä versio ohjelmoitavalle näytönohjaimelle
Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28
Numeeriset menetelmät TIEA381 Luento 5 Kirsi Valjus Jyväskylän yliopisto Luento 5 () Numeeriset menetelmät 3.4.2013 1 / 28 Luennon 5 sisältö Luku 4: Ominaisarvotehtävistä Potenssiinkorotusmenetelmä QR-menetelmä
Matriisilaskenta Luento 8: LU-hajotelma
Matriisilaskenta Luento 8: LU-hajotelma Antti Rasila 2016 Matriisihajotelmat 1/2 Usein matriisiyhtälön Ax = y ratkaiseminen on epäkäytännöllistä ja hidasta. Siksi numeerisessa matriisilaskennassa usein
Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 12 Kirsi Valjus Jyväskylän yliopisto Luento 12 () Numeeriset menetelmät 25.4.2013 1 / 33 Luennon 2 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Rungen
FYSA234 Potentiaalikuoppa, selkkarityö
FYSA234 Potentiaalikuoppa, selkkarityö Jari Partanen, Jani Komppula JYFL FL246, S118 japapepa@jyu.fi, jani.komppula@jyu.fi 13. lokakuuta 2014 Ohjaus Työn ja ohjelman esittely (15-30 min) Harjoitellaan
Numeeriset menetelmät
Numeeriset menetelmät Luento 1 Ti 6.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 1 Ti 6.9.2011 p. 1/28 p. 1/28 Numeriikan termejä Simulointi: Reaalimaailman ilmiöiden jäljitteleminen (yleensä)
Kevät Kirsi Valjus. Jyväskylän yliopisto Tietotekniikan laitos
Numeeriset menetelmät TIEA381 Kevät 2013 Kirsi Valjus Jyväskylän yliopisto Tietotekniikan laitos Luento 1 () Numeeriset menetelmät 13.3.2013 1 / 34 Luennon 1 sisältö Käytännön asioita Numeerisen matematiikan
Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla
Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla Erkki Heikkola Numerola Oy, Jyväskylä Laskennallisten tieteiden päivä 29.9.2010, Itä-Suomen yliopisto, Kuopio Putkistojen äänenvaimentimien suunnittelu
FYSA2031 Potentiaalikuoppa
FYSA2031 Potentiaalikuoppa Työselostus Laura Laulumaa JYFL YK216 laura.e.laulumaa@student.jyu.fi 16.10-2.11. 2017 Ohjaus Työn ja ohjelman esittely ( 30 min) Harjoitellaan ohjelman käyttöä Harmoninen potentiaali
AKUSTISIA SIMULAATIOITA PÄÄ- JA TORSOMALLILLA. Tomi Huttunen, Timo Avikainen, John Cozens. Kuava Oy Microkatu 1, 70210 Kuopio tomi.huttunen@uku.
AKUSTISIA SIMULAATIOITA PÄÄ- JA TORSOMALLILLA Tomi Huttunen, Timo Avikainen, John Cozens Kuava Oy Microkatu 1, 70210 Kuopio tomi.huttunen@uku.fi Nokia Corporation Itämerenkatu 11-13, 00180 Helsinki timo.avikainen@nokia.com
FYSA234 Potentiaalikuoppa, selkkarityö
FYSA234 Potentiaalikuoppa, selkkarityö Jari Partanen, Jani Komppula JYFL FL246, S118 japapepa@jyu.fi, jani.komppula@jyu.fi 16. lokakuuta 2013 Ohjaus Työn ja ohjelman esittely (15-30 min) Harjoitellaan
Numeeriset menetelmät
Numeeriset menetelmät Luento 7 Ti 27.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 7 Ti 27.9.2011 p. 1/39 p. 1/39 Interpolointi Ei tunneta funktion f : R R lauseketta, mutta tiedetään funktion
Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä
Luento 5: Suurten lineaaristen yhtälöryhmien ratkaiseminen iteratiivisilla menetelmillä Matriisit voivat olla kooltaan niin suuria, että LU-hajotelman laskeminen ei ole järkevä tapa ratkaista lineaarista
Algoritmit 1. Luento 1 Ti Timo Männikkö
Algoritmit 1 Luento 1 Ti 10.1.2017 Timo Männikkö Luento 1 Algoritmi Algoritmin toteutus Ongelman ratkaiseminen Algoritmin tehokkuus Algoritmin suoritusaika Algoritmin analysointi Algoritmit 1 Kevät 2017
CHEM-A1410 Materiaalitieteen perusteet
CHEM-A1410 Materiaalitieteen perusteet Laskuharjoitus 18.9.2017, Materiaalien ominaisuudet Tämä harjoitus ei ole arvioitava, mutta tämän tyyppisiä tehtäviä saattaa olla tentissä. Tehtävät perustuvat kurssikirjaan.
Tilayhtälötekniikasta
Tilayhtälötekniikasta Tilayhtälöesityksessä it ä useamman kertaluvun differentiaaliyhtälö esitetään ensimmäisen kertaluvun differentiaaliyhtälöryhmänä. Jokainen ensimmäisen kertaluvun differentiaaliyhtälö
Luento 11: Rajoitusehdot. Ulkopistemenetelmät
Luento 11: Rajoitusehdot. Ulkopistemenetelmät ja sisäpistemenetelmät Lagrangen välttämättömien ehtojen ratkaiseminen Newtonin menetelmällä Jos tehtävässä on vain yhtälörajoituksia, voidaan minimipistekandidaatteja
Numeeriset menetelmät
Numeeriset menetelmät Luento 5 Ti 20.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 5 Ti 20.9.2011 p. 1/40 p. 1/40 Choleskyn menetelmä Positiivisesti definiiteillä matriiseilla kolmiohajotelma
Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa
Suurteholaskenta-algoritmien hyödyntämien suurten kohteiden tutkavasteen laskennassa Pasi Ylä-Oijala, Pasi Koivumäki ja Seppo Järvenpää Radiotieteen ja -tekniikan laitos, Aalto-yliopisto MATINE Seminaari
Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt
Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.
Numeeriset menetelmät TIEA381. Luento 4. Kirsi Valjus. Jyväskylän yliopisto. Luento 4 () Numeeriset menetelmät / 44
Numeeriset menetelmät TIEA381 Luento 4 Kirsi Valjus Jyväskylän yliopisto Luento 4 () Numeeriset menetelmät 21.3.2013 1 / 44 Luennon 4 sisältö Lineaarisen yhtälöryhmän ratkaisemisesta: Choleskyn menetelmä
Rinnakkaisuuden hyväksikäyttö peleissä. Paula Kemppi
Rinnakkaisuuden hyväksikäyttö peleissä Paula Kemppi 24.4.2008 Esityksen rakenne Johdantoa Rinnakkaisuus Pelimoottorien rinnakkaisuuden mallit Funktionaalisen rinnakkaisuuden malli Rinnakkaisen tiedon malli
Matemaattisesta mallintamisesta
Matemaattisesta mallintamisesta (Fysikaalinen mallintaminen) 1. Matemaattisen mallin konstruointi dynaamiselle reaalimaailman järjestelmälle pääpaino fysikaalisella mallintamisella samat periaatteet pätevät
Numeeriset menetelmät
Numeeriset menetelmät Luento 3 Ti 13.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 3 Ti 13.9.2011 p. 1/37 p. 1/37 Epälineaariset yhtälöt Newtonin menetelmä: x n+1 = x n f(x n) f (x n ) Sekanttimenetelmä:
Juha Merikoski. Jyväskylän yliopiston Fysiikan laitos Kevät 2009
FYSP120 FYSIIKAN NUMEERISET MENETELMÄT Juha Merikoski Jyväskylän yliopiston Fysiikan laitos Kevät 2009 1 Kurssin sisältö JOHDANTOA, KÄSITTEITÄ, VÄLINEITÄ [1A] Laskennallista fysiikkaa [1B] Matlabin alkeita
Numeeriset menetelmät
Numeeriset menetelmät Luento 10 To 6.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 10 To 6.10.2011 p. 1/35 p. 1/35 Numeerinen integrointi Puolisuunnikassääntö b a f(x)dx = h 2 (f 0 + f
Numeeriset menetelmät
Numeeriset menetelmät Luento 2 To 8.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 2 To 8.9.2011 p. 1/33 p. 1/33 Lukujen tallennus Kiintoluvut (integer) tarkka esitys aritmeettiset operaatiot
Concurrency - Rinnakkaisuus. Group: 9 Joni Laine Juho Vähätalo
Concurrency - Rinnakkaisuus Group: 9 Joni Laine Juho Vähätalo Sisällysluettelo 1. Johdanto... 3 2. C++ thread... 4 3. Python multiprocessing... 6 4. Java ExecutorService... 8 5. Yhteenveto... 9 6. Lähteet...
Numeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45
Numeeriset menetelmät TIEA381 Luento 3 Kirsi Valjus Jyväskylän yliopisto Luento 3 () Numeeriset menetelmät 20.3.2013 1 / 45 Luennon 3 sisältö Luku 2: Epälineaarisen yhtälön ratkaiseminen Polynomin reaaliset
Luento 13: Periodinen liike. Johdanto Harmoninen värähtely Esimerkkejä F t F r
Luento 13: Periodinen liike Johdanto Harmoninen värähtely Esimerkkejä θ F t m g F r 1 / 27 Luennon sisältö Johdanto Harmoninen värähtely Esimerkkejä 2 / 27 Johdanto Tarkastellaan jaksollista liikettä (periodic
Esimerkki 1 Ratkaise differentiaaliyhtälö
Esimerkki 1 Ratkaise differentiaaliyhtälö x 2 y xy =1/x. 1 / K. Tuominen kimmo.i.tuominen@helsinki.fi MApu II 1/20 20 Esimerkki 2 Ratkaise differentiaaliyhtälö x(ln y)y y ln x =0. 2 / K. Tuominen kimmo.i.tuominen@helsinki.fi
6.2.3 Spektrikertymäfunktio
ja prosessin (I + θl + + θl q )ε t spektritiheysfunktio on Lemman 6. ja Esimerkin 6.4 nojalla σ π 1 + θ 1e iω + + θ q e iqω. Koska viivepolynomien avulla määritellyt prosessit yhtyvät, niin myös niiden
C C. x 2. x 3 x 3. Lause 3SAT p m VC Todistus. Olk. φ = C 1 C 2 C m 3-cnf-kaava, jossa esiintyvät muuttujat. φ toteutuva:
Lause 3SAT p m VC Todistus. Olk. φ = C 1 C C m 3-cnf-kaava, jossa esiintyvät muuttujat x 1,..., x n. Vastaava solmupeiteongelman tapaus G, k muodostetaan seuraavasti. G:ssä on solmu kutakin literaalia
Pakotettu vaimennettu harmoninen värähtelijä Resonanssi
Pakotettu vaimennettu harmoninen värähtelijä Resonanssi Tällä luennolla tavoitteena Mikä on pakkovoiman aiheuttama vaikutus vaimennettuun harmoniseen värähtelijään? Mikä on resonanssi? Kertaus: energian
Numeeriset menetelmät TIEA381. Luento 13. Kirsi Valjus. Jyväskylän yliopisto. Luento 13 () Numeeriset menetelmät / 42
Numeeriset menetelmät TIEA381 Luento 13 Kirsi Valjus Jyväskylän yliopisto Luento 13 () Numeeriset menetelmät 8.5.2013 1 / 42 Luennon 13 sisältö Tavallisten differentiaaliyhtälöiden numeriikasta Moniaskelmenetelmien
Liikemäärän säilyminen Vuorovesivoimat Jousivoima
Liikemäärän säilyminen Vuorovesivoimat Jousivoima Tämän luennon tavoitteet Liikemäärän säilyminen Vuorovesivoimat ja binomiapproksimaatio gravitaatio jatkuu viime viikolta Jousivoima: mikä se on ja miten
Funktioiden approksimointi ja interpolointi
Funktioiden approksimointi ja interpolointi Keijo Ruotsalainen Division of Mathematics interpolaatio-ongelma 8 Eksponenttifunktion exp(x) interpolointi 3.5 Funktion e^{0.25x} \sin(x) interpolointi 7 3
Numeeriset menetelmät
Numeeriset menetelmät Luento 8 To 29.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 8 To 29.9.2011 p. 1/36 p. 1/36 Interpolointi kuutiosplinillä Osavälit: I i = [t i 1,t i ], i = 1,2,...,n
Rekursiiviset palautukset [HMU 9.3.1]
Rekursiiviset palautukset [HMU 9.3.1] Yleisesti sanomme, että ongelma P voidaan palauttaa ongelmaan Q, jos mistä tahansa ongelmalle Q annetusta ratkaisualgoritmista voidaan jotenkin muodostaa ongelmalle
Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,
Differentiaaliyhtälöt, Kesä 06 Harjoitus 3 Kaikissa tehtävissä, joissa pitää tarkastella kriittisten pisteiden stabiliteettia, jos kyseessä on satulapiste, ilmoita myös satulauraratkaisun (tai kriittisessä
Algoritmit 2. Luento 1 Ti Timo Männikkö
Algoritmit 2 Luento 1 Ti 14.3.2017 Timo Männikkö Luento 1 Algoritmi Algoritmin valinta Algoritmin analysointi Algoritmin suoritusaika Peruskertaluokkia Kertaluokkamerkinnät Kertaluokkien ominaisuuksia
k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu
LIS AYKSI A kirjaan Reaalimuuttujan analyysi 1.6. Numeerinen integrointi: Gaussin kaavat Edella kasitellyt numeerisen integroinnin kaavat eli kvadratuurikaavat Riemannin summa, puolisuunnikassaanto ja
Sovelletun fysiikan laitos E-mail: Marko.Vauhkonen@uku.fi. Marko Vauhkonen, Kuopion yliopisto, Sovelletun fysiikan laitos Slide 1
Marko Vauhkonen Kuopion yliopisto Sovelletun fysiikan laitos E-mail: Marko.Vauhkonen@uku.fi Marko Vauhkonen, Kuopion yliopisto, Sovelletun fysiikan laitos Slide 1 Sisältö Mallintamisesta mallien käyttötarkoituksia
Rinnakkaistietokoneet luento S
Rinnakkaistietokoneet luento 5 521475S Silmukalliset ohjelmat Silmukat joissa ei ole riippuvuussyklejä voidaan vektoroida eli suorittaa silmukan vektorointi Jokainen yksittäinen käsky silmukan rungossa
Tfy Fysiikka IIB Mallivastaukset
Tfy-.14 Fysiikka B Mallivastaukset 14.5.8 Tehtävä 1 a) Lenin laki: Muuttuvassa magneettikentässä olevaan virtasilmukkaan inusoitunut sähkömotorinen voima on sellainen, että siihen liittyvän virran aiheuttama
Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät
259 Informaation arvo Öljykenttään myydään porausoikeuksia, palstoja on n kappaletta, mutta vain yhdessä niistä on C euron edestä öljyä Yhden palstan hinta on C/n euroa Seismologi tarjoaa yritykselle tutkimustietoa
impedanssitomografian mallintaminen sisäisille virtalähteille
impedanssitomografian mallintaminen sisäisille virtalähteille Mika Tarvainen Pro Gradu -tutkielma Syyskuu 999 Kuopion yliopisto Sovelletun fysiikan laitos KUOPION YLIOPISTO, luonnontieteiden ja ympäristötieteiden
Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen
Hävittäjälentokoneen reitin suunnittelussa käytettävän dynaamisen ja monitavoitteisen verkko-optimointitehtävän ratkaiseminen A*-algoritmilla (valmiin työn esittely) Joonas Haapala 8.6.2015 Ohjaaja: DI
763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 4 Kevät 2017
763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 4 Keät 207. Rekyyli Luentomonisteessa on käsitelty tilanne, jossa hiukkanen (massa M) hajoaa kahdeksi hiukkaseksi (massat m ja m 2 ). Tässä käytetään
Likimääräisratkaisut ja regularisaatio
Luku 3 Likimääräisratkaisut ja regularisaatio Käytännön inversio-ongelmissa annettu data y ei aina ole tarkkaa, vaan sisältää häiriöitä. Tuntemattomasta x on annettu häiriöinen data y F (x + }{{}}{{} ε.
Aurinkolämpö. Tässä on tarkoitus kertoa aurinkolämmön asentamisesta ja aurinkolämmön talteen ottamiseen tarvittavista osista ja niiden toiminnasta.
Aurinkolämpö Tässä on tarkoitus kertoa aurinkolämmön asentamisesta ja aurinkolämmön talteen ottamiseen tarvittavista osista ja niiden toiminnasta. Keräimien sijoittaminen ja asennus Keräimet asennetaan
3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =
BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 6, Syksy 2016 1. (a) Olkoon z = z(x,y) = yx 1/2 + y 1/2. Muodosta z:lle lineaarinen approksimaatio L(x,y) siten että approksimaation ja z:n arvot
Tampere University of Technology
Tampere University of Technology EDE- Introduction to Finite Element Method. Exercise 3 Autumn 3.. Solve the deflection curve v(x) exactly for the beam shown y,v q v = q z, xxxx x E I z Integroidaan yhtälö
BM20A1501 Numeeriset menetelmät 1 - AIMO
6. marraskuuta 2014 Opetusjärjestelyt Luennot + Harjoitukset pe 7.11.2014 10-14 2310, 14-17 7337 la 8.11.2014 9-12 2310, 12-16 7337 pe 14.11.2014 10-14 2310, 14-17 6216 la 15.11.2014 9-12 2310, 12-16 7337
Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2
Havaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos
Datan käsittely Helsingin yliopisto, Fysiikan laitos kevät 2013 3. Datan käsittely Luennon sisältö: Havaintovirheet tähtitieteessä Korrelaatio Funktion sovitus Aikasarja-analyysi 3.1 Havaintovirheet Satunnaiset
Oppimistavoitteet kurssilla Rinnakkaisohjelmointi
17.5.2006 1/5 Oppimistavoitteet kurssilla Rinnakkaisohjelmointi Rinnakkaisuus ja rinnakkaisuuden soveltaminen tietojenkäsittelyjärjestelmissä Kurssin Tietokoneen toiminta perusteella ymmärtää, miten ohjelman
Sähköstatiikka ja magnetismi Kondensaattorit ja kapasitanssi
Sähköstatiikka ja magnetismi Konensaattorit ja kapasitanssi ntti Haarto 1.5.13 Yleistä Konensaattori toimii virtapiirissä sähköisen potentiaalin varastona Kapasitanssi on konensaattorin varauksen Q ja
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 30. marraskuuta 2007 Antti Rasila () TodB 30. marraskuuta 2007 1 / 19 1 Lineaarinen regressiomalli ja suurimman uskottavuuden menetelmä Minimin löytäminen
Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste.
TYÖ 36b. ILMANKOSTEUS Tehtävä Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste. Välineet Taustatietoja
Rinnakkaistietokoneet luento S
Rinnakkaistietokoneet luento 3 521475S Rinnakkaiset Numeeriset Algoritmit Silmukattomat algoritmit Eivät sisällä silmukka lauseita kuten DO,FOR tai WHILE Nopea suorittaa Yleisimmässä muodossa koostuu peräkkäisistä
3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä
3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21
Mamk / Tekniikka ja liikenne / Sähkövoimatekniikka / Sarvelainen 2015 T8415SJ ENERGIATEKNIIKKA Laskuharjoitus
Mamk / Tekniikka ja liikenne / Sähkövoimatekniikka / Sarvelainen 2015 T8415SJ ENERGIATEKNIIKKA Laskuharjoitus KATTILAN VESIHÖYRYPIIRIN SUUNNITTELU Höyrykattilan on tuotettava höyryä seuraavilla arvoilla.
Tuotantosolun simulointi
Antti Alonen RFID -Tekniikan soveltaminen tuotantoteollisuudessa -hanke Tuotantosolun simulointi Konetekniikan TKI-yksikkö Tutkimus- ja kehityspalveluja sekä perusopetusta tukevaa toimintaa Toimialueet
Betonipaalun käyttäytyminen
Betonipaalun käyttäytyminen Rakenteellista kantavuutta uudella mitoitusfilosofialla Betoniteollisuuden paaluseminaari, TTY Yleistä tb-paalujen kantokyvystä Geotekninen kantokyky Paalua ympäröivän maa-
Lectio Praecursoria: Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit
: Epälokaali epälineaarinen potentiaaliteoria ja fraktionaaliset integraalioperaattorit Janne Korvenpää Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Lokaali ja lineaarinen:
Numeerinen analyysi Harjoitus 3 / Kevät 2017
Numeerinen analyysi Harjoitus 3 / Kevät 2017 Palautus viimeistään perjantaina 17.3. Tehtävä 1: Tarkastellaan funktion f(x) = x evaluoimista välillä x [2.0, 2.3]. Muodosta interpoloiva polynomi p 3 (x),
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa
[4A] DIFFERENTIAALIYHTÄLÖT 1. Alkuarvotehtävät
[4A] DIFFERENTIAALIYHTÄLÖT 1. Alkuarvotehtävät Numeerisen integroinnin yhteydessä ratkoimme jo tavallisia ensimmäisen kertaluvun alkuarvotehtäviä integroimalla eli t y (t) =f(t, y(t)) y(t) =y(t a )+ f(t,
4.0.2 Kuinka hyvä ennuste on?
Luonteva ennuste on käyttää yhtälöä (4.0.1), jolloin estimaattori on muotoa X t = c + φ 1 X t 1 + + φ p X t p ja estimointivirheen varianssi on σ 2. X t }{{} todellinen arvo Xt }{{} esimaattori = ε t Esimerkki
S SÄHKÖTEKNIIKKA Kimmo Silvonen
S55.103 SÄHKÖTKNKK 21.12.2000 Kimmo Silvonen Tentti: tehtävät 1,3,4,8,9 1. välikoe: tehtävät 1,2,3,4,5 2. välikoe: tehtävät,7,8,9,10 Oletko jo ehtinyt vastata palautekyselyyn Voit täyttää lomakkeen nyt.
Harjoitus 4: Matlab - Optimization Toolbox
Harjoitus 4: Matlab - Optimization Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen
Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)
Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) 17.09.2015 Ohjaaja: TkT Eeva Vilkkumaa Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) vasemman puolen
Pienimmän Neliösumman Sovitus (PNS)
Pienimmän Neliösumman Sovitus (PNS) n = Havaintojen määrä (Kuvan n = 4 punaista palloa) x i = Havaintojen ajat/paikat/... (i = 1,..., n) y i = y(x i) = Havaintojen arvot (i = 1,..., n) σ i = Havaintojen
Algoritmit 1. Luento 10 Ke Timo Männikkö
Algoritmit 1 Luento 10 Ke 14.2.2018 Timo Männikkö Luento 10 Algoritminen ongelmanratkaisu Suunnittelumenetelmät Raaka voima Järjestäminen eli lajittelu Kuplalajittelu Lisäyslajittelu Valintalajittelu Permutaatiot
T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi
T-79.179 Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi 12. maaliskuuta 2002 T-79.179: Stokastinen analyysi 8-1 Stokastinen analyysi, miksi? Tavallinen Petri-verkkojen saavutettavuusanalyysi
Ydin- ja hiukkasfysiikka 2014: Harjoitus 5 Ratkaisut 1
Ydin- ja hiukkasfysiikka 04: Harjoitus 5 Ratkaisut Tehtävä a) Vapautunut energia saadaan laskemalla massan muutos reaktiossa: E = mc = [4(M( H) m e ) (M( 4 He) m e ) m e ]c = [4M( H) M( 4 He) 4m e ]c =
Harjoitus 4: Differentiaaliyhtälöt (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt 1
Harjoitus 4: Differentiaaliyhtälöt (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Matlab:n solver komento differentiaaliyhtöiden
DELL 3010 SFF I3-3220/4GB/500GB/3NBD
DELL 3010 SFF I3-3220/4GB/500GB/3NBD Dell OptiPlex 3010 SFF on hyvin pienikokoinen mutta silti monipuolisesti laajennettavissa oleva yritystietokone. Edullisen hankintahinnan ansiosta OptiPlex 3010 SFF
Numeeriset menetelmät
Numeeriset menetelmät Luento 12 To 13.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 12 To 13.10.2011 p. 1/38 p. 1/38 Tavalliset differentiaaliyhtälöt Yhtälöissä tuntematon funktio Tavalliset
C++11 seminaari, kevät Johannes Koskinen
C++11 seminaari, kevät 2012 Johannes Koskinen Sisältö Mikä onkaan ongelma? Standardidraftin luku 29: Atomiset tyypit Muistimalli Rinnakkaisuus On multicore systems, when a thread writes a value to memory,
Esteet, hyppyprosessit ja dynaaminen ohjelmointi
Esteet, hyppyprosessit ja dynaaminen ohjelmointi Juha Martikainen 4.10.2000 Oppikirjan sivut 83-87 ja 93-98 Optimointiopin seminaari - Syksy 2000 / 1 Esteet (määritelmät) Muistellaan menneitä: Ajelehtiva
Dynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Viikko 6: 1 Kalmanin suodatin Aiemmin käsitellyt
Eksimeerin muodostuminen
Fysikaalisen kemian Syventävät-laboratoriotyöt Eksimeerin muodostuminen 02-2010 Työn suoritus Valmista pyreenistä C 16 H 10 (molekyylimassa M = 202,25 g/mol) 1*10-2 M liuos metyylisykloheksaaniin.
Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa!
Aalto yliopiston teknillinen korkeakoulu Mat-1.1040 L4 Tentti ja välikokeiden uusinta 21.5.2010 Gripenberg, Arponen, Siljander Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin
Aikariippuva Schrödingerin yhtälö
Aineaaltodynamiikka Aineaaltokenttien riippuvuus ajasta aikariippuva Schrödingerin yhtälö Stationääriset ja ei-stationääriset tilat Aaltopaketit Kvanttimekaniikan postulaatit Aikariippuva Schrödingerin
Energian talteenotto liikkuvassa raskaassa työkoneessa. 20.01.2010 Heinikainen Olli
Energian talteenotto liikkuvassa raskaassa työkoneessa 20.01.2010 Heinikainen Olli Esityksen sisältö Yleistä Olemassa olevat sovellukset Kineettisen energian palauttaminen Potentiaalienergian palauttaminen
Opetusperiodi:I, suunnattu hakukohteille:
Kurssin nimi ja koodi Muut kommentit MS-A0001 Matriisilaskenta 5 op (Matrisräkning, Kuvaus: kurssi Teknillinen fysiikka ja matematiikka käsittelee lineaarisia yhtälöryhmiä sekä vektoreita ja matriiseja
Numeeriset menetelmät TIEA381. Luento 2. Kirsi Valjus. Jyväskylän yliopisto. Luento 2 () Numeeriset menetelmät / 39
Numeeriset menetelmät TIEA381 Luento 2 Kirsi Valjus Jyväskylän yliopisto Luento 2 () Numeeriset menetelmät 14.3.2013 1 / 39 Luennon 2 sisältö Luvusta 1: Numeerinen stabiilisuus Liite A: Liukulukuaritmetiikasta
valitseminen vaikuttaa laskennan aikana ratkaistaviin yhtälöryhmiin.
Aalto yliopisto Insinööritieteiden korkeakoulu Virtausmekaniikka / Sovelletun mekaniikan laitos MUISTIO No CFD/MECHA-19-2011 pvm 28. heinäkuuta 2011 OTSIKKO Diskretointimenetelmät OpenFOAMissa LAATIJA(T)
MATLAB harjoituksia RST-säädöstä (5h)
Digitaalinen säätöteoria MATLAB harjoituksia RST-säädöstä (5h) Enso Ikonen Oulun yliopisto, systeemitekniikan laboratorio November 25, 2008 Harjoituskerran sisältö kertausta (15 min) Napojensijoittelu
Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste.
TYÖ 36b. ILMANKOSTEUS Tehtävä Työssä määritetään luokkahuoneen huoneilman vesihöyryn osapaine, osatiheys, huoneessa olevan vesihöyryn massa, absoluuttinen kosteus ja kastepiste. Välineet Taustatietoja
KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme
KJR-C1001 Statiikka ja dynamiikka Luento 24.3.2016 Susanna Hurme Rotaatioliikkeen liike-energia, teho ja energiaperiaate (Kirjan luku 18) Osaamistavoitteet Ymmärtää, miten liike-energia määritetään kiinteän
Derivoimalla kerran saadaan nopeus ja toisen kerran saadaan kiihtyvyys Ña r
Vuka HT 4 Tehtävä. Lyhyenä alustuksena tehtävään johdetaan keskeiskiihtyvyys tasaisessa pyörimisessä. Meillä on ympyräradalla liikkuva kappale joka pyörii vakiokulmanopeudella ω dϕ säteellä r origosta.