此函数使用交替方向隐式 (ADI) 方法求解均匀介质中的三维 Pennes 生物热传递 (BHT) 方程。 该代码是为组织中的高强度聚焦超声 (HIFU) 治疗而开发的，但它也可以应用于其他加热问题。 如果需要，该解决方案会考虑组织的灌注率、热导率和比热容。 内容： ADI_method.pdf - 使用 ADI 方法写下热方程的数值解solve_heat_equation_implicit_ADI.m - 使用 ADI 方法的数值解的代码thomas_algorithm.m - 求解三对角矩阵的快速算法compare_to_analytical_solution.m - 用于将 ADI 方法的解决方案与具有不同加热和冷却持续时间的分析解决方案进行比较的示例代码 由...制作： 芬兰签证

Haberman 实用偏微分方程 with 傅里叶变换

英文版资料，详细推倒了雷达方程，并有实例的论证。 来源于"Principles of Modern Radar: Basic Principles” 一书第二章，值得看一下。

Graizer-Kalkan (2015) 地震动预测方程 (GMPE) 旨在预测浅地壳大陆地震的峰值地面加速度和 5% 阻尼伪谱加速度响应坐标，用于地震工程应用，包括概率和确定性地震危害分析。 GK15 可用于矩震级为 5.0-8.0、距离为 0-250 km、平均剪切波速度为 200-1,300 m/s、谱周期为 0.01-5 s 的地震。 GK15 GMPE 在 zip 文件中编码为 MatLAB 函数（名为“GK15.m”）。 还提供了一个示例 MatLAB 代码（“demo.m”），用于为给定的危险条件生成 5% 阻尼伪谱加速度响应谱。 考虑到不同的危害条件，用户可以更改输入参数以构建特定于站点的响应谱。

py代码-InfoMap | Map-Equation多级网络聚类模型——

高清电子书：Longitudinal Structural Equation Modeling - A Comprehensive Introduction [1 ed.] - Jason T. Newsom - Routledge

通过修正的 Smith 预测器对具有延迟边界测量的梁方程进行边界控制 Smith 预测器及其变体应用于具有延迟边界测量的 Euler-Bernoulli 梁方程的边界控制。 由于小时间延迟引起的众所周知的不稳定性问题得到解决。 仿真结果证明了该方法的有效性。 我们使用混合数值和符号方法来执行模拟。 该代码也记录在 IEEE CDC2003 的论文中。 请访问此处获取全文的 PDF 文件。 http://www.csois.usu.edu/people/yqchen/paper/03C12_beam_smith_cdc03.pdf 运行“Demo_smith.m”进行演示。

我们研究了具有参数激励和一个外部强迫的Duffing方程，并获得了分岔和混沌的丰富动力学行为。 通过梅尔尼科夫方法得到了周期扰动下达芬方程的混沌判据。 并证明了Duffing方程在准周期摄动Ω=nω+ ϵν下的平均系统的混沌相对于ω）是不合理的，并且示出了n = 1,2,4,6，但存在平均系统的混沌当n = 3、5、7-15时，不能证明Duffing方程的有效性，而通过数值模拟可以证明原始系统中混沌的发生。 数值模拟不仅显示了理论分析的正确性，而且还显示了更多新的复杂动力学行为，包括等斜或非斜分叉面，分叉图，最大李雅普诺夫指数图，相图和庞加莱图。 我们发现大的混沌区域具有一些孤立的周期参数点，大的周期和准周期区域具有一些孤立的混沌参数点，周期加倍到混沌和混沌到逆周期加倍，非密集曲线混沌吸引子，非吸引混沌运动，非混沌吸引集，碎片混沌吸引子。 通过调整Duffing系统的参数，几乎可以看到混沌运动，几乎可以看到非混沌运动，这可以看作是混沌控制的悲剧，也可以看作是混沌运动变成了非混沌运动的悲剧。

Brownian dynamics serve as mathematical models for the diffusive motion of mi- croscopic particles of various shapes in gaseous, liquid, or solid environments. The renewed interest in Brownian dynamics is due primarily to their key role in molec- ular and cellular biophysics: diffusion of ions and molecules is the driver of all life. Brownian dynamics simulations are the numerical realizations of stochastic differential equations (SDEs) that model the functions of biological microdevices such as protein ionic channels of biological membranes, cardiac myocytes, neuronal synapses, and many more.