Identificando un término fuente dependiente del espacio y el valor inicial en una ecuación de onda de difusión fraccional en el tiempo
Autores: Lv, Xianli; Feng, Xiufang
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Identificando un término fuente dependiente del espacio y el valor inicial en una ecuación de onda de difusión fraccional en el tiempo
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Función de origen dependiente del espacio
Valor inicial
Ecuación de onda de difusión no homogénea fraccional en el tiempo
Datos medidos ruidosos en el tiempo final
Método de regularización por molificación
Experimentos numéricos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Este documento se enfoca en el problema inverso de identificar la función fuente dependiente del espacio y el valor inicial de la ecuación de onda de difusión no homogénea fraccional en el tiempo a partir de datos ruidosos medidos en el tiempo final en un caso multidimensional. Se presenta un método de regularización de molificación basado en un núcleo exponencial bilateral para resolver la mal-posedness del problema por primera vez. Se obtienen estimaciones de error con una estrategia a priori y una regla de elección a posteriori para encontrar el parámetro de regularización. Experimentos numéricos de interés muestran que nuestro método propuesto es efectivo y robusto con respecto al ruido de perturbación en los datos.
Descripción
Este documento se enfoca en el problema inverso de identificar la función fuente dependiente del espacio y el valor inicial de la ecuación de onda de difusión no homogénea fraccional en el tiempo a partir de datos ruidosos medidos en el tiempo final en un caso multidimensional. Se presenta un método de regularización de molificación basado en un núcleo exponencial bilateral para resolver la mal-posedness del problema por primera vez. Se obtienen estimaciones de error con una estrategia a priori y una regla de elección a posteriori para encontrar el parámetro de regularización. Experimentos numéricos de interés muestran que nuestro método propuesto es efectivo y robusto con respecto al ruido de perturbación en los datos.