Método de colocación de base radial ponderado para problemas no lineales de Helmholtz inverso
Autores: Hu, Minghao; Wang, Lihua; Yang, Fan; Zhou, Yueting
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Método de colocación de base radial ponderado para problemas no lineales de Helmholtz inverso
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Método de colocación de base radial ponderada sin malla
Método de iteración de Newton
Problemas inversos de Helmholtz
Datos de medición
Alta precisión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 37
Citaciones: Sin citaciones
En este documento, se introduce un método de colocación de bases radiales ponderadas sin malla asociado con el método de iteración de Newton para resolver problemas inversos no lineales de Helmholtz para identificar el parámetro. Todos los datos de medición pueden incluirse en la solución de mínimos cuadrados, lo que puede evitar los cálculos de iteración para comparar las soluciones con parte de los datos de medición en los métodos basados en Galerkin. Se imponen pesos apropiados en las condiciones de contorno y las condiciones de medición para equilibrar los errores, lo que conduce a una alta precisión y convergencia óptima para resolver los problemas inversos. Además, es bastante fácil extender el proceso de solución del problema inverso unidimensional al problema inverso de alta dimensionalidad. Los ejemplos numéricos no lineales incluyen problemas inversos de Helmholtz de una, dos y tres dimensiones de identificación de parámetros constantes y variables en dominios regulares e irregulares y muestran la alta precisión y convergencia exponencial del método presentado.
Descripción
En este documento, se introduce un método de colocación de bases radiales ponderadas sin malla asociado con el método de iteración de Newton para resolver problemas inversos no lineales de Helmholtz para identificar el parámetro. Todos los datos de medición pueden incluirse en la solución de mínimos cuadrados, lo que puede evitar los cálculos de iteración para comparar las soluciones con parte de los datos de medición en los métodos basados en Galerkin. Se imponen pesos apropiados en las condiciones de contorno y las condiciones de medición para equilibrar los errores, lo que conduce a una alta precisión y convergencia óptima para resolver los problemas inversos. Además, es bastante fácil extender el proceso de solución del problema inverso unidimensional al problema inverso de alta dimensionalidad. Los ejemplos numéricos no lineales incluyen problemas inversos de Helmholtz de una, dos y tres dimensiones de identificación de parámetros constantes y variables en dominios regulares e irregulares y muestran la alta precisión y convergencia exponencial del método presentado.