全隐式差分的一维非线性平流方程的jfnk方法.docxVIP

全隐式差分的一维非线性平流方程的jfnk方法 1 向全隐式的方向发展 长期以来，时间差分方案一直是数值模型的一个重要问题。良好的时间差分方案不仅要解决模型计算的稳定性问题，还要解决数据库中的高计算精度和计算效率的问题。现在, 各国业务模式中应用的时间差分方案以半隐式为主, 然而, 这种在方程中对产生快波项和慢波项分别采用显式和隐式差分的做法造成不协调, 从而形成新的误差源, 同时其容许的时间步长仍未能满足数值天气预报的需要。近年为满足多尺度预报的需要, 模式分辨率逐渐提高, 然而众多数值试验的结果表明, 模式分辨率的细化并不一定能改善预报。未来的数值预报模式, 只有向全隐式格式发展, 才有助于解决上述问题。曾庆存等、 季仲贞等先后提出了全隐式能量守恒格式和完全平方守恒格式, 但目前全隐式格式计算的迭代收敛问题尚未得到很好解决。JFNK方法的提出为求解非线性方程提供了一个有效的途径。此后, 很多学者针对这一方法做了大量的基础性研究, 比如, Brown等在文献的基础上给出了JFNK方法的收敛理论; 文献则讨论了计算过程中可能出现的一些非正常收敛现象; 文献讨论了多重网格 (Multigrid) 预条件的JFNK方法。Reisner等也曾对JFNK方法在大气运动模式中的应用进行了初步的尝试, 并提出较为成熟的基于物理机制的预条件处理方案。但该方法目前并不被更多人所认识, 特别在气象领域的应用工作开展较少。 一维非线性平流方程 (无粘Burgers方程) 是形式最简单的非线性偏微分方程, 有解析解, 同时其解析解可以描述要素场突变现象(scale collapse)。Kuo等和王军等分别应用无粘Burgers方程研究半拉格朗日和完全非内插半拉格朗日时间差分方案的计算性能。本文在介绍JFNK这一新方法的基础上, 应用JFNK方法对全隐式的差分一维非线性平流方程进行求解。通过对该计算结果与显式差分格式、 半隐式格式的模拟结果的比较, 分析全隐式方案的优势, 特别是在要素空间分布存在较大梯度的形势下该格式较其他格式的优越性, 为今后发展全隐式框架的数值模拟提供基础性的工作。 本文在第2 节给出一维非线性平流方程性质及其差分形式; 第3 节简单介绍JFNK方法; 第 4节对模拟结果进行分析; 第5节对本文工作的主要结果进行小结和讨论。 2 非线性平流方程的性质及其隐式微分格式 2.1 uarctanx评分 一维非线性平流方程 (inviscid Burgers equation), 其形式如下: ?u?t+u?u?x=0.(1)?u?t+u?u?x=0.(1) 当给定如下初值, u(x,0)=f(x)=ˉu-arctan(x-x0),(2)u(x,0)=f(x)=uˉ?arctan(x?x0),(2) 其解析解为 u=ˉu-arctan(x-ut-x0).(3)u=uˉ?arctan(x?ut?x0).(3) 此时, 对 (3) 式取x方向的微分, 有 ?u?x=-1-t?u?x1+(x-x0-ut)2,(4)?u?x=?1?t?u?x1+(x?x0?ut)2,(4) 在x=x0+ˉutx=x0+uˉt处, (?u?x)x=x0+ˉut=1t-1,(5)(?u?x)x=x0+uˉt=1t?1,(5) 所以当t→1 时, (?u?x)x=x0+ˉut→-∞.(6)(?u?x)x=x0+uˉt→?∞.(6) 也就是说, 此时该方程在x=x0+ˉutx=x0+uˉt处空间分布梯度很大, 出现奇异点 (也称突变点)。因此,t=1时刻也被称为尺度分裂时间 (the scale collapse time)。 2.2 holson评分方程 令u=ˉu+u′, 展开 ?u?t+u?u?x=0, 有 ?u′?t+u′?u′?x+ˉu?u′?x=0.(7) 为书写方便, 略去 “′” 号, 有 ?u?t+u?u?x+ˉu?u?x=0.(8) 全隐式二阶Crank-Nicholson格式(简记为IM格式) 差分方程 un+1j-unjΔt+12[(un+1j+ˉu)un+1j+1-un+1j-12Δx+(unj+ˉu)?unj+1-unj-12Δx]=Fn+1j,j=1,Ν+1(9) 其中,N为空间网格数,n为时间层。 作为比较, 同时对二阶半隐式格式 (SI) 差分方程 un+1j-un-1j2Δt+unjunj+1-unj-12Δx+12(ˉuun+1j+1-un+1j-12Δx+ˉuun-1j+1-un-1j-12Δx)=0,j=1,Ν+1(10) 和显式二阶中央差分格式 (记为EX格式) 差分方程 un+1j-un-1j2Δt+(unj+ˉu)unj+1-unj-12Δx=0,j=1,Ν+1(11) 进行了计算分析。 3 jfk方法和预测条件 3.1