Математики МГУ разработали новую модель зарождения и развития смерча

Исследователи кафедры математической физики факультета вычислительной математики и кибернетики МГУ предложили новую математическую модель, описывающую механизмы зарождения и развития смерча. Модель основана на уравнениях непрерывности и движении неоднородной жидкости. Основной вывод исследования заключается в том, что высокая скорость вращения воздуха создает значительный перепад давления между внешней и внутренней полостью вихря, что является ключевым фактором в формировании смерча. Об этом сообщили в пресс-службе вуза. 

Результаты исследования были представлены на Всероссийской конференции «Ломоносовские чтения-2024».

Модель показывает, что смерч возникает при движении вихря вниз, начиная с верхних слоев атмосферы с высокой скоростью вращения, и продолжает свое развитие вплоть до поверхности земли. После достижения земной поверхности развитие смерча становится практически стационарным, за исключением тонкого пограничного слоя, который обеспечивает выполнение граничных условий на земной поверхности.

Внешняя форма смерча определяется скоростью вращения, что является нелинейной зависимостью, и внутри полости смерча наблюдается значительное уменьшение давления (на 10-20%) по сравнению с регулярным давлением на той же высоте. Это вызывает вертикальный восходящий поток газо-пылевой смеси, а на море — воды.

Исследование подчеркивает важность вязкости воздуха, которая играет существенную роль в математической модели явления. В обычных атмосферных условиях причиной исчезновения смерча является отключение внешних сил в верхних слоях атмосферы, а не вязкое трение.

«Эта работа представляет собой значительный шаг вперед в понимании механизма зарождения и развития смерча. Мы уверены, что наши результаты помогут в разработке более точных моделей прогнозирования этого явления», — отметил профессор кафедры математической физики ВМК МГУ Андрей Баев.

Результаты исследования подчеркивают необходимость разработки новых мер защиты и регуляторных решений для обеспечения безопасности систем, использующих любые нейросетевые метрики. Использование предложенного метода позволяет проводить оценку устойчивости метрик, выявлять устойчивые и неустойчивые методы, а также строить архитектурные решения, устойчивые к атакам.