تعیین ژئوئید محلی مناطق نفت خیز جنوب به روش least-squares collocation

مطالعه فلورستیک مناطق نفت خیز جنوب تهران

مناطق نفت خیز با سرزمینهای پست و کم ارتفاع گسترده در جلگه خوزستان از نظر ترکیب فلورستیک مورد مطالعه قرار گرفته است اطلاعات مختصری راجع به اقلیم مکان نگاری و جنبه های زمین شناختی این مناطق ارایه شده است بر اساس 1300 نمونه گیاه جمع آوری شده در این مناطق عناصر گیاهی پس از نامگذاری دقیق در جداولی با ترتیب الفبایی به تفکیک تیره جنس و گونه ارایه شده است مناطق نفت خیز در جنوب غربی ایران اساساً از سه ر...

مطالعه فلورستیک مناطق نفت خیز جنوب تهران

مناطق نفت خیز با سرزمینهای پست و کم ارتفاع گسترده در جلگه خوزستان از نظر ترکیب فلورستیک مورد مطالعه قرار گرفته است اطلاعات مختصری راجع به اقلیم مکان نگاری و جنبه های زمین شناختی این مناطق ارایه شده است بر اساس 1300 نمونه گیاه جمع آوری شده در این مناطق عناصر گیاهی پس از نامگذاری دقیق در جداولی با ترتیب الفبایی به تفکیک تیره جنس و گونه ارایه شده است مناطق نفت خیز در جنوب غربی ایران اساساً از سه رو...

راه اندازی 557 پروژه در مناطق نفت خیز جنوب

A least-squares preconditioner for radial basis functions collocation methods

Although meshless radial basis function (RBF) methods applied to partial differential equations (PDEs) are not only simple to implement and enjoy exponential convergence rates as compared to standard mesh-based schemes, the system of equations required to find the expansion coefficients are typically badly conditioned and expensive using the global Gaussian elimination (G-GE) method requiring O...

H2-Convergence of Least-Squares Kernel Collocation Methods

The strong-form asymmetric kernel-based collocation method, commonly referred to as the Kansa method, is easy to implement and hence is widely used for solving engineering problems and partial differential equations despite the lack of theoretical support. The simple leastsquares (LS) formulation, on the other hand, makes the study of its solvability and convergence rather nontrivial. In this p...

A Christoffel function weighted least squares algorithm for collocation approximations

We propose, theoretically investigate, and numerically validate an algorithm for the Monte Carlo solution of least-squares polynomial approximation problems in a collocation framework. Our investigation is motivated by applications in the collocation approximation of parametric functions, which frequently entails construction of surrogates via orthogonal polynomials. A standard Monte Carlo appr...