用于对流扩散方程离散化的方向性常微分方程框架
《Mathematics and Computers in Simulation》:A directional-ODE framework for discretization of advection–diffusion equations
【字体:
大
中
小
】
时间:2026年09月30日
来源:Mathematics and Computers in Simulation 4.0
编辑推荐:
## 摘要
我们提出了一种新的有限差分离散化方法,用于求解具有非线性对流、扩散算子及潜在源项的一般对流扩散方程(ADE)类。通过将离散的ADE重新表述为沿时间或空间方向的常微分方程(ODE),我们推导出解析解,进而得到新的更新公式。特别地,ADE的离散形式被编码进这些方向性
## 摘要
我们提出了一种新的有限差分离散化方法,用于求解具有非线性对流、扩散算子及潜在源项的一般对流扩散方程(ADE)类。通过将离散的ADE重新表述为沿时间或空间方向的常微分方程(ODE),我们推导出解析解,进而得到新的更新公式。特别地,ADE的离散形式被编码进这些方向性ODE中,我们将其称为代表性ODE。尽管本研究引入了将ADE离散形式转化为时间域和空间域解析更新公式的一般性思路,其主要重点在于沿时间维度推导解析更新公式。具体而言,我们提出了一种广义框架,将离散ADE转化为高阶解析时间更新表达式,并通过中间采样过程实现预测-校正算法。所生成的解析更新公式改善了数值稳定性,提高了计算效率,在提升时空分辨率的同时提供了更高的精度。此外,所提出的框架可扩展至具有不确定参数的系统,证明了其在科学和工程建模与仿真中产生的广泛复杂ADE类中的适用性。计算代码已在链接处公开提供,参考文献贯穿全文补充信息。
## 引言
对流扩散方程(ADE)是理解科学与工程中各种过程的基础,例如热传递、污染物扩散、流体动力学、地下水污染物迁移、催化过程中的化学反应以及生物系统中的养分分布。在数学上,以一维最简单形式表示,具有源项的ADE为:
?u/?t + v??u/?x = D?2u/?x2 + f(x,t,u)
其中u(x,t)表示未知的场变量(如温度、浓度或密度),v?为对流(或输运)速度,D>0为量化扩散速率的扩散系数,f(x,t,u)为表示外部驱动、化学反应或其他局部生成和消耗机制的源(或汇)项。对流项v??u/?x描述了场变量由底层流场输运的过程,扩散项D?2u/?x2描述了由于扩散引起的空间重新分布,源项则计及了域内场变量的局部产生或消耗。
多年来,研究者们开发了各种策略来求解这些方程(涵盖解析方法、半解析方法和数值模拟),以捕捉其所支配的复杂动力学。
解析解通常仅限于高度简化的场景,其特征假设包括线性性[1]、[2]、常系数[3]、[4]或理想化边界条件(参见例如[5]、[6]、[7]、[8]、[9])。此外,需要注意的是,现有的解析级数解在某些(通常是刚性)条件下往往存在病态和不可操作性问题(参见例如[1]、[5])。另外,某些这些解无法反映现实或实际场景[10]。
半解析方法,如摄动法[11]、[12]、基于核的和无网格方法,也已作为求解更广泛类ADE的通用替代方案进行了研究。基于核的方法[13]、[14]在处理复杂几何形状和不规则区域时具有特别优势,无需结构化网格。然而,它们通常会带来更高的计算成本,尤其是对于大规模或高维问题。这些方法的精度和计算效率通常受核函数选择、其关联参数和支持点数量的影响。在[11]中,为具有小扩散率的一般线性ADE提出了基于摄动的求解策略。原则上,该方法可以扩展到类似条件下更广泛的线性ADE类。然而,基于摄动方法的适用性受到其依赖于小参数存在的限制,且为达到期望解精度所需的项数往往未知。因此,需要综合的敏感性分析——通过多种测试用例和参数设置——来评估此类方法对ADE的通用性。
虽然解析、半解析和无网格(或基于核的)方法在理想条件下推进了我们求解对流扩散方程的能力,但当面对现实系统中特有的非线性和不确定性时,这些方法往往力不从心。因此,在实际应用中——复杂边界条件、非线性行为和随机参数普遍存在的情况下——稳健的数值方法变得不可或缺。
数值方法,如有限差分法、有限体积法、有限元方法以及谱方法,是一般条件下求解ADE的典型工具。鉴于ADE数值方法的广泛文献,我们参考[15]中对各种方法的综合回顾。然而,这些方法必须应对的挑战是在确保解精度的同时,维持计算效率和稳定性,尤其是在特征 Peclet 数高或扩散系数小的条件下。数值方法的最新进展导致了一系列高效且精确的方案发展,例如保存次扩散方程离散最大值原理(DMP)的有限体积方案[16]、具有任意多项式阶次的正交高斯配置方法(OGCMs)用于四阶次扩散模型[17]、用于具有多个弱奇异核的非线性偏积分微分方程(PIDE)的紧致Crank-Nicolson交替方向隐式(CN-ADI)差分格式[18],以及二阶后向差分格式(BDF2)交替方向隐式(ADI)紧致有限差分格式[19]和[20]。然而,数值方法通常仅提供演化场的离散近似,因此无法捕捉网格点之间的连续时间或空间历史信息。
在本研究中,我们引入了方向性ODE离散化方法作为求解包含非线性对流、非线性扩散算子和源项的广泛类对流扩散方程(ADE)的新方法。该方法(在本论文中嵌入有限差分框架内)克服了现有解析、半解析和数值技术的显著局限性。与传统解析和半解析方法(通常要求限制性边界或初始条件)不同,方向性ODE离散化方法可以容纳任意条件,同时保持解的解析结构。此外,传统数值方法通常忽略网格点之间的连续时间或空间历史信息,而我们的方法将这种连续信息整合到离散公式中,从而提高了精度、稳定性和计算效率。特别是,方向性ODE离散化方法将经典离散化方案表述为时间域或空间域的ODE。这些ODE被称为代表性ODE,作为降阶模型封装了底层PDE的本质结构特性。尽管其前景令人瞩目,但该方法在现有文献中受到关注有限,只有少数(主要为近期)研究探索了类似思想,特别是在线性问题的背景下。
在这方面具有基础性贡献的工作出现在[21]中,该文引入了一维线性热方程的半隐式有限差分方案。该方案独特地将二阶导数项的中点以隐式方式处理。后续研究表明,[21]中提出的离散化策略可以重新表述为一类热型方程的ODE,包括线性热方程[22]、空间和时依赖的线性扩散方程[23]、线性扩散反应系统[24]以及线性Nagumo型扩散反应方程[25]。在这些情况下,所得到的代表性时间ODE是线性的且大多自主的,允许简单解析解,产生无条件稳定的前向时间更新公式。然而,将此方法扩展到一般ADE仍然是一个重要的开放挑战。
值得注意的是,前述研究代表的是本工作中引入的更广泛方向性ODE离散化方法的特例。更具体地说,我们的框架不仅适用于广泛的非线性和随机ADE类,而且为一般非自主代表性ODE提供了闭式解析更新公式,具有任意阶精度,可以使用或不使用谱网格。此外,与该领域先前的工作仅限于时间方向不同,所提出的方向性ODE离散化方法还可以将离散方案沿空间方向重新表述为ODE,尽管本研究主要关注时间方向公式。此外,对于更复杂的非线性代表性ODE而不存在显式闭式解的情况,我们采用了分段Adomian分解方法(SADM),这是一种提供具有可控精度稳健求解框架的半解析技术。详细的稳定性分析以及所提出方法向任意空间维度的扩展也在补充信息中提供。
图1提供了一个流程图,概括了本工作中提出的时间ODE离散化方案的核心概念。
## 部分片段
### 对流扩散方程
具有守恒速度场(即?·v=0)的一般非线性ADE的典型形式为:
?u(x,t)/?t + v(x,t,u)·?u(x,t)(对流项)= ?·(d?(x,t,u)?u(x,t))(扩散项)+ f(x,t,u)(增长/衰减项)
其中t表示时间,x表示矢量形式的坐标系统,即在传统笛卡尔框架中x?(x,y,z),u表示感兴趣的标量(如浓度、温度或压力),v?(v?,v_y,v_z)表示关联的速度场。
### 通用求解方法
着眼于通用性,本文采用解析特征线法处理对流算子,而方向性ODE离散化方法仅应用于扩散算子。值得注意的是,方向性ODE离散化方法可以适配来处理对流算子以及整个ADE,无需任何分裂方法(该扩展将在单独的后续工作中详细探讨)。
下面,我们首先通过方法…开始。
### 案例研究
本节的结构旨在展示所提出的方向性ODE方案的多种特性。
在示例1中,我们解决了1D Burgers方程,将几种方向性ODE方案的性能与已有的闭式解和经典隐式离散化方案进行了比较。特别是,示例1表明空间ODE和时间ODE方案都可以超越经典隐式方法。
在示例2中,我们在光滑和…条件下求解2D粒子传播问题。
### 结论
在本工作中,我们为离散化PDE引入了方向性ODE离散化方法,将离散方案解释为空间域或时间域的方向性ODE。专注于ADE,我们提出了一种实现时间ODE离散化方法的一般框架,考虑了非线性对流和扩散。推导了充分的稳定性条件,特别是对于涉及非线性代表性ODE的情况。此外,全面的……
## CRediT作者贡献声明
Amin Jafarimoghaddam:撰写—审稿与编辑,撰写—原始草稿,可视化,验证,监督,资源,方法论,调查,形式分析,概念化。
Manuel Soler:撰写—审稿与编辑,撰写—原始草稿,可视化,验证,资源,方法论,调查。
Irene Ortiz:撰写—审稿与编辑,撰写—原始草稿,可视化,验证,调查。
Amin Jafarimoghaddam | Manuel Soler | Irene Ortiz
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号