Рассматриваемое исследование является составной частью разработки компьютерной технологии, направленной на обеспечение надежного выполнения сложных комплексов резервированных программных модулей со случайными временами их выполнения в параллельных управляющих вычислительных системах. Предлагается и исследуется один из вариантов организации адаптивного метода резервирования вычислительных процессов, базирующийся на сочетании различных вариантов синхронного и асинхронного методов резервирования программных модулей в управляющих вычислительных системах.

Представлен метод восстановления распределения полоидального магнитного потока внутри вакуумной камеры сферического токамака Глобус – М (Физико-технический институт им. А.Ф. Иоффе, г. С-Петербург) в присутствии плазмы в реальном времени по измерениям с магнитных петель и поясов Роговского. Метод основан на аппроксимации распределенного тока плазмы суммой токов от филаментов (бесконечно тонких кольцевых витков). Построены линейные модели для управления формой, током и положением плазмы в токамаке Глобус-М на основании разработанного кода восстановления равновесия.

We consider the nonparametric estimation of extremal index of stochastic processes with possibly heavy-tailed noise. The extremal index measures the local dependence of extremes of a stationary process and plays a key role in extreme value analysis. Clusters of exceedances of the process over a sufficiently high threshold correspond to outliers those can lead to hazardous events. The reciprocal of the extremal index approximates the mean cluster size. There are several methods like well-known nonparametric blocks, runs and intervals estimators of the extremal index which all require the selection of an appropriate threshold $u$. We propose the discrepancy method based on the von Mises-Smirnov statistic $\omega^2$ as a data-dependent method to estimate $u$. The latter method was applied before as a data-driven smoothing tool for nonparametric estimators of probability density functions as an alternative to cross-validation. In case, the marginal distribution of the process is heavy-tailed it is proposed to calculate the $\omega^2$-statistic by some number of largest order statistics of the sample. The accuracy of the proposed method is studied by simulation.