时间分数阶扩散-波动方程爆发性行为的数值解
《Physica D: Nonlinear Phenomena》:Numerical solution of blow-up behavior for time-fractional diffusion-wave equations
【字体:
大
中
小
】
时间:2026年09月24日
来源:Physica D: Nonlinear Phenomena 2.9
编辑推荐:
•研究了一类具有时间分数阶导数的分数阶扩散-波动方程。该新模型具有重要意义,因为通过适当调节系统参数,可以在极限情况下恢复标准扩散方程和分数阶粘性波动方程。
•针对一维扩散-波动方程,在若干温和假设下推导了其能量估计。
•提出了一种结合对称分数阶降阶技术、Alikhanov格
•研究了一类具有时间分数阶导数的分数阶扩散-波动方程。该新模型具有重要意义,因为通过适当调节系统参数,可以在极限情况下恢复标准扩散方程和分数阶粘性波动方程。
•针对一维扩散-波动方程,在若干温和假设下推导了其能量估计。
•提出了一种结合对称分数阶降阶技术、Alikhanov格式和局部径向基函数生成有限差分法的数值方法。
•给出了丰富的数值模拟结果。理论结果包括数值稳定性、爆破形态、收敛阶数和计算成本均得到了验证。
•通过改变系统参数的值,我们发现分数阶扩散-波动方程的爆破时间和形态强烈依赖于分数阶导数的阶数。
引言
爆破现象同时出现在定态问题和演化问题中。它指的是解本身或其导数在有限时间区间内变为无界的情形,这与解的局部存在性密切相关[1]。爆破行为的研究因其描述燃烧理论、固体着火和爆炸过程中产生的热失控现象的重要作用而备受关注[2]、[3]。理解导致爆破的机制、估计爆破时间以及分析不同模型参数的影响是非线性偏微分方程(PDE)理论中的基本问题[1]、[4]。事实上,整体存在性及相关奇异性(爆破)的研究构成了广义非线性偏微分方程理论中不可分割的一部分。两个非常著名的例子是Poincaré猜想和三维Navier-Stokes问题。前者由Perelman于2003年成功解决,在其证明中,爆破方法是分析的关键手段。后者仍未解决。正如Fefferman所指出的,可能的解可能从奇异性端点获得,即构造一个具有有限动能的爆破模式(更多细节可参见[5]、[6]、[7])。
近年来,分数阶演化方程吸引了越来越多的研究兴趣,主要因为它们比经典的整阶对应物更能忠实地表征记忆和遗传效应[8]、[9]。分数阶导数自然出现在异常扩散、粘弹性响应、多孔介质输运、非Fourier热传导和复杂波传播的数学描述中,在这些领域传统模型往往难以胜任[10]。分数阶算子固有的非局部性使其具有编码长期依赖性和历史影响的能力,这对于捕捉许多物理和生物系统的真实动力学至关重要。此外,分数阶和系统参数之间的相互作用产生了丰富的定性行为,包括增强稳定性裕度和调制的衰减率,从而拓宽了此类模型在多样科学与工程领域的应用范围。这一非局部特征不仅提高了预测精度,还带来了新的分析和数值挑战,推动了理论框架和计算算法的持续发展。因此,分数阶演化方程继续巩固其作为现代应用数学中强大且多功能工具的地位。阶数介于零和一之间的时间分数阶导数已被应用于许多物理模型,如次扩散方程[11]、[12]、[13]、最优控制问题[14]、非线性双曲方程[15]、变阶微分方程[16]、高阶偏积分微分方程[17]、分数阶非线性Fokker-Planck方程[18]、[19]等。然而,对于时间分数阶导数阶数介于一和二的偏微分方程,由于它连接了扩散和振荡这两种完全不同的动态行为模式,还有许多开放问题值得进一步考虑。
在本文中,我们将考虑半线性爆破方程。例如,二维半线性时间分数阶扩散-波动方程可以表示为:
$$\begin{cases} u_t + \lambda \partial_t^\beta u = \Delta u + f(u), & (x,y,t) \in D \times (0,T), \\ u(x,y,0) = u_0(x,y), & (x,y) \in \bar{D}, \\ u_t(x,y,0) = v_0(x,y), & (x,y) \in \bar{D}, \\ u(x,y,t) = 0, & (x,y) \in \partial D,\ 0 \leq t \leq T, \end{cases}$$
其中$D \subset \mathbb{R}^2$是具有光滑边界的有界区域,$\Delta$表示拉普拉斯算子,即$\Delta u = u_{xx} + u_{yy}$。令$\Delta u = u_{xx}$并选取适当的初始-边界条件,可类似地建立一维半线性时间分数阶扩散-波动方程。这里$\beta \in (1,2)$表示Caputo导数的分数阶数,$u_0(x,y)$和$v_0(x,y)$是足够光滑的初始函数以保证经典解的存在唯一性。此外,$\lambda \geq 0$是表明扩散-波动项强度的系统参数。存在几种源于燃烧过程并在无穷远处允许奇异的典型非线性源$f(u)$。例如,在固体着火方程中$f(u) = e^u$和$f(u) = |u|^2 u$[22]、[23]。一般地,假设非线性源项$f(u)$具有线性或超线性增长,这与熄火和爆破燃烧模型密切相关。
在二维情形下,如果存在有限时间$T_b > 0$使得
$$\lim_{t \to T_b^-} \sup_{(x,y) \in D} |u(x,y,t)| = \infty,$$
则称解$u(x,y,t)$表现出爆破。有限时间$T_b$被称为解$u(x,y,t)$的爆破时间。
时间分数阶导数按Caputo意义定义为
$$\partial_t^\beta u(x,y,t) = \frac{1}{\Gamma(2-\beta)} \int_0^t (t-s)^{1-\beta} \frac{\partial^2 u}{\partial s^2}(x,y,s)\, ds, \quad 1 < \beta < 2,$$
前提是右端的积分是良定义的。
我们将项$\lambda \partial_t^\beta u$称为扩散-波动效应,因为它描述了当$\beta$趋近于一和二时解的扩散行为和振荡行为共存的情形。分数阶导数的阶数在控制非线性反应效应与记忆依赖的扩散-波动动力学之间的平衡方面起着重要作用,从而显著影响演化行为和相关的爆破时间。具体来说,如果非线性源项足够强,即随未知变量$u$迅速增长,反应过程与扩散-波动效应之间的相互作用可能导致解急剧增长并最终在有限时间内变为无界。
在物理和工程领域,爆破现象频繁出现在燃烧理论和热着火问题中,其中采用指数非线性来建模热量产生和热失控过程[2]、[22]。具有指数源项的经典半线性抛物方程的爆破行为已在许多文献中进行了研究,例如参见[1]、[22]及其相关参考文献。最近,Wang等人[24]研究了具有指数增长非线性的时间分数阶波动方程解的局部和整体存在性。此外,Li和Li[25]分析了全空间$\mathbb{R}^d$($d \in \mathbb{N}$)上半线性分数阶扩散方程初始值问题和耦合半线性分数阶扩散系统爆破解的分析。
数值方法在逼近爆破解和估计爆破时间方面也得到了广泛发展。在这些方法中,有限差分方法(FDM)因其简单性和计算效率而被广泛使用,如在[26]、[27]、[28]、[29]中对半线性热方程所展示的,以及在[30]、[31]、[32]中对扩散-波动方程所展示的。此外,在[33]中引入了一种求解KdV-Burgers-Fisher方程的新型高阶精度高效有限差分格式,它可以通过一些相应修改应用于求解半线性爆破问题。关于求解分数阶偏微分方程的有限差分方法构造和分析的更多细节,请参阅专著[34]、[35]及其中的许多优秀参考文献。同样,有限元方法(FEM)已成功应用于各种分数阶模型[36]、[37]。例如,在[38]中使用Galerkin有限元方法研究了具有极低阶时间分数阶导数的爆炸燃烧模型。此后,在[39]中发展了Caputo-Hadamard分数阶演化方程的移动网格有限元方法,涵盖从尖锐解到爆破解的范围。尽管取得了这些进展,由于分数阶导数引入的强非局部记忆效应,分数阶扩散-波动方程爆破动力学的数值研究仍然相对有限。因此,为此类问题发展高效精确的数值格式仍然是一个重要的研究领域。
由于基于网格的方法如有限差分技术[40]在处理不规则几何形状和复杂区域时往往面临困难,各种无网格数值方法已被开发用于时间分数阶偏微分方程[41]、[42]。其中,径向基函数(RBF)方法因其灵活性、无网格本质和提供高精度逼近的能力而变得尤为流行。Kumar等人[43]、[44]引入了时间分数阶扩散-波动方程的局域化RBF方法,随后将其扩展到具有非线性源项的混合扩散和扩散-波动问题,应用于不同的几何区域。最近,Singh等人[45]采用局域化RBF方法研究了二维半线性波动方程的熄火行为。这些工作突出了局域径向基函数生成有限差分(RBF-FD)方法的有效性,并为在涉及复杂任意形状区域的问题中使用它们提供了强有力的动机。
尽管先前的研究已确立了局域RBF-FD方法在时间分数阶扩散-波动问题中的适用性,但其重点主要在于解的数值逼近,而非有限时间爆破行为的模拟和表征。此外,由于分数阶导数关联的非局部时间历史,准确分辨解在爆破时间附近的快速增长仍然具有挑战性。分数阶演化方程的传统有限差分格式需要在每个时间水平处理时间历史,一旦时间步长变细,随着时间水平数的增加,计算可能变得昂贵。因此,一种能够捕捉有限时间爆破行为同时保留无网格空间离散灵活性的高效数值框架是值得追求的。
受上述发展和燃烧过程引起的分数阶扩散-波动方程爆破动力学研究有限的启发,本工作开发了一种高效数值框架来研究具有指数非线性的半线性分数阶演化方程。本研究的主要贡献总结如下:
(1) 开发了一种无网格数值框架来研究时间分数阶扩散-波动方程的爆破行为。该方法采用对称分数阶降阶(SFOR)技术将模型问题(例如参见(1.1)和(5.1))转化为等价的耦合系统。然后使用快速Alikhanov $L_2-1_\sigma$格式结合SOE近似进行时间离散,并在空间上使用局域RBF-FD方法,同时实现计算效率和高阶精度。
(2) 在冻结源项假设下严格建立了完全离散格式的稳定性。这在分数阶非线性偏微分方程的计算分析中是较为自然的。所提出方法的收敛性结果也进行了理论分析和验证。
(3) 通过几个典型的数值实验证明了所提格式的准确性和有效性。此外,进行了全面的模拟来研究爆破动力学、估计爆破时间,并检验各种模型参数对解行为的影响。
本文其余部分组织如下。第2节致力于推导所提问题的能量估计。第3节开发了基于局域径向基函数生成有限差分(RBF-FD)方法的数值格式。第4节提出了所提格式的稳定性与收敛性分析。第5节报告了数值实验以验证理论发现并展示方法的性能。最后在第6节给出了结论性评述。
简化模型的能量估计
不失一般性,我们仅考虑一维情形以了解时间分数阶扩散-波动模型的能量估计。当$\lambda = 0$且$f(u)$消失时,模型(1.1)退化为具有Dirichlet边界条件的经典扩散方程。借助极大值原理,该模型的解将随时间趋于无穷而最终消失。
为便于讨论,我们对非线性源$f(s)$施加若干温和假设:
(H1) $f(s)$是严格的……
数值格式的构造
在本节中,我们将讨论[48]中提出的对称分数阶降阶(SFOR)方法,以构造扩散-波动方程(1.1)的高效数值格式。SFOR方法的基本思想可概括在以下引理中。
引理3.1 [48] 对于$1 < \beta < 2$且$u(t) \in C^1([0,T]) \cap C^2((0,T])$,以下关系成立:
$$\partial_t^\beta u(t) = \partial_t^{\beta/2}\partial_t^{\beta/2} u(t) - \frac{v_0 t^{1-\beta}}{\Gamma(2-\beta)}.$$
此外,通过引入
$$\hat{u}(t) = u(t) - tv_0,$$
我们得到
$$\partial_t^\beta u(t) = \partial_t^\beta \hat{u}(t) = \partial_t^{\beta/2}\partial_t^{\beta/2} \hat{u}(t).$$
运用引理3.1,我们得到……
数值方法的分析
在本节中,我们讨论在非线性项$f(u)$的若干温和假设下的稳定性。给定离散核系数$A_{n-k}(n)$,相关的互补离散核$P_{n-j}(n)$通过如下递推关系计算[51]:
$$P_{n-j}(n) = \frac{1}{A_0(j)}\begin{cases} 1, & j = n, \\ \displaystyle\sum_{k=j+1}^{n} (A_{k-j-1}(k) - A_{k-j}(k)) P_{n-k}(n), & 1 \leq j \leq n-1, \end{cases}$$
这些互补离散核满足关系
$$\sum_{j=k}^{n} P_{n-j}(n) A_{j-k}(j) = 1, \quad 1 \leq k \leq n.$$
以下引理在主要数值稳定性分析中是必要的……
数值实验
为评估所提数值方法的性能并验证前述各节的理论发现,我们在本节中给出了几个数值算例。在所有测试中,使用多二次(MQ)径向基函数,其中$\epsilon = 1$。
空间域使用等间距节点进行离散化,节点间距为h。对于一维问题,每个局部模板包含3个相邻节点;而对于二维问题,局部模板大小为5个节点。结论:在本文中,我们研究了一类半线性分数阶演化方程的能量估计,并提出了一个高效的数值框架。该类方程包含一阶时间导数、阶数1 < β < 2的Caputo分数阶导数以及无穷远处具有指数奇性的非线性源项。所提出的方法结合了**对称分数阶约化(SFOR)技术**,以及基于**指数和(SOE)逼近**的**快速Alikhanov(L2-1σ)格式**。利益冲突:作者声明不存在任何利益冲突。CRediT作者贡献声明:Shreya Singh:撰写——初稿撰写、可视化、验证、软件、概念构思。Rajesh K. Pandey:撰写——审阅与编辑、监督、方法学、概念构思。Yufeng Xu:撰写——审阅与编辑、撰写初稿、方法学、形式化分析、概念构思。利益冲突声明:作者声明不存在任何已知的竞争性经济利益或个人关系,这些关系可能会影响本文所报告的工作。Shreya Singh | Rajesh K. Pandey | Yufeng Xu