局部近似特别解的无网格方法.docxVIP

局部近似特别解的无网格方法 在传统的基于网格的微分方程数值方法（如有限差分法（fdm）和有限元法（fem）中，传统的基于网格的数值法广泛应用于计算水流和固体力学领域。但这些方法仍然存在诸多不足之处, 因为其在很大程度上取决于网格划分的质量, 当划分的网格出现畸变时会严重影响数值解的精度甚至导致计算失败, 从而使得这些方法在许多问题上的应用受到了限制。于是无网格方法应运而生, 并且在求解偏微分方程方面得到很大的关注。 无网格方法包括:Lucy和Gingold提出的光滑粒子流体动力学方法(Smoothed Particle Hydrodynamics, SPH) , 基本解方法(MFS) , 局部近似特别解方法(LMAPS) 等。在众多的无网格方法中基于径向基函数 (Radial Basis Functions, RBFs) 的无网格方法备受瞩目。RBFs是一类以场点和源点之间的欧式距离为自变量的函数, 它具有形式简单, 各项同性等优点, 已被成功应用于多变量插值。但基于全局性质的RBFs的无网格方法产生的系数矩阵常常是满秩, 有时甚至是病态的, 适于解决有限插值点的问题, 但应用到解决大规模散乱点的数值计算问题时则受到限制。为了克服上述问题, 文中采用局部性质的近似特别解方法解决大规模问题, 研究表明效果显著。该方法只需创建局部区域并利用该区域的点构造局部低阶矩阵, 然后将局部形式推广至全局形式形成大规模稀疏矩阵, 最后通过求解这个稀疏线性方程组就可以得到偏微分方程的近似解, 从而可以成功避免上述问题。 1 局部化的map方法 首先考虑如下的椭圆形偏微分方程: 其中, Δ为二阶线性Laplace算子;a (x) , b (x) , c (x) , f (x) 和g (x) 为给定的函数;B为边界算子。MAPS的主要思想是将式 (1) 转化为Poisson型方程, 即 其中, H (x, u, ux, uy) =-a (x) ux-b (x) uy-c (x) ·u+f (x) , 并且H可以用近似表示 运用中常取MQ函数作为基函数, 其表达形式为 其中, c为形参, 决定基函数的形状。当c很小时, MQ函数成锥形形状;当c逐渐变大时, 函数图像则越来越平滑。由此可以看出, 形参c对于近似式的精确性至关重要。影响c的取值因素主要有3个, 即支撑域内节点的数量、支撑域内的节点分布以及支撑域的大小。一般情况下, c越大, 近似误差就越小。应用MQ函数插值近似会出现这样的情况:为提高近似精度增大c值时得到的系数矩阵往往会变得越来越病态, 因而舍入误差会变大, 增加了解的不稳定性。此外, 如何适当选取c值并不是一件容易的事情, 这也成为学界研究讨论的热点问题。 根据式 (5) 和式 (6) 推得 由式 (3) 、式 (4) 和式 (7) 可知 式中: 重组式 (8) , 有 其中 并且式 (2) 可写为 下面具体介绍局部化的MAPS方法。 由于Ωi={xki}kni=1中的每一个点对式 (11) 都成立, 于是有 在式 (12) 中右端的方阵可以用Φni表示, 并且Φni是非奇异的, 因此是可逆阵, 所以得到的式 (12) 中未知系数为 其中 因此, 在式 (11) 中的^u (xi) 可以表示为ni个节点函数值的线性组合。 其中 类似于式 (15) 有 对于边界条件, 在局部区域上, 有 于是在全局区域上有 所以由式 (17) 和式 (19) 可以构造一个N维稀疏线性方程组, 通过求解该方程组可以得到求解该区域上所有结点上的近似解。 2 局部近似方法 利用LMAPS进行数值计算时, 找到区域中每个计算结点相邻近的ni个结点是很重要的, 当插值点为很庞大的数值时, 有效的搜索算法非常重要。在这些算法中, kd-tree算法是一种k维数据空间的有效搜索算法。为了验证文中数值精度, 分别定义均方根误差 (RMSE) , 最大绝对误差 (MAE) , 最大相对误差 (RAE) 如下: 式中:N为测试点的数目;^uk为近似解;uk为精确解。算例1考虑Dirichlet边界型条件的Poisson方程: 其中, Ω∪ue785Ω为如图1所示的一个不规则区域。 由图1可以看到, 内部和边界结点都是均匀分布的, 在计算时取14 408个内部结点和300个边界结点。该二维Poisson方程的精确解为u (x, y) =e-2x+3y。 图2为分别利用LMAPS方法和传统的LDQ方法得到的绝对误差。 由图2 (a) 和图2 (b) 比较可以看出, LMAPS方法得到的误差比LDQ方法更小, 因此, LMAPS方法略优于LDQ方法。同时还可以看出, 误差在不规则区域内的大部分情况都是下降平稳的, 除了在边界周围的一部分点有一定的跳跃。但作为局部方法, 它们与