Modelo de Orden Reducido de Estabilización de Filtro Evolutivo para la Ecuación de Burgers Estocástica
Autores: Xie, Xuping; Bao, Feng; Webster, Clayton G.
Idioma: Inglés
Editor: MDPI
Año: 2018
Acceso abierto
Artículo científico
2018
Modelo de Orden Reducido de Estabilización de Filtro Evolutivo para la Ecuación de Burgers Estocástica
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Mecánica
Palabras clave
Introducir
Evolucionar-luego-filtrar
Método de regularización
Modelado de orden reducido
Sistemas estocásticos dominados por convección
Proyección de Galerkin
Oscilaciones
Filtro espacial
Estabilización numérica
Ecuación de Burgers
Ruido multiplicativo
Significativamente mejor.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
En este artículo, introducimos el método de regularización evolve-then-filter (EF) para la modelización de orden reducido de sistemas estocásticos dominados por la convección. El modelo de orden reducido estándar de proyección de Galerkin (G-ROM) produce oscilaciones numéricas en un régimen dominado por la convección. El modelo de orden reducido evolve-then-filter (EF-ROM) tiene como objetivo la estabilización numérica del G-ROM estándar, que utiliza un filtro espacial ROM explícito para regularizar varios términos en el modelo de orden reducido (ROM). Nuestros resultados numéricos se basan en una ecuación de Burgers estocástica con ruido multiplicativo lineal. El resultado numérico muestra que el EF-ROM es significativamente mejor que el G-ROM.
Descripción
En este artículo, introducimos el método de regularización evolve-then-filter (EF) para la modelización de orden reducido de sistemas estocásticos dominados por la convección. El modelo de orden reducido estándar de proyección de Galerkin (G-ROM) produce oscilaciones numéricas en un régimen dominado por la convección. El modelo de orden reducido evolve-then-filter (EF-ROM) tiene como objetivo la estabilización numérica del G-ROM estándar, que utiliza un filtro espacial ROM explícito para regularizar varios términos en el modelo de orden reducido (ROM). Nuestros resultados numéricos se basan en una ecuación de Burgers estocástica con ruido multiplicativo lineal. El resultado numérico muestra que el EF-ROM es significativamente mejor que el G-ROM.