常微分方程基于GAUSS型积分的数值解法

提出用Gauss-Legendre求积公式构造常微分方程初值问题的离散化格式,以给出一种求解此类问题的数值方法。文中根据两点与三点Gauss-Legendre求积公式及逼近Gauss点处函数值的不同方法,列出十余种计算格式,并说明它们的收敛性和稳定性。各种格式是针对一阶常微分方程提出的,但同样也适用于一阶常微分方程组和高阶常微分方程的初值问题。     

求解偏微分方程的GD法原理及应用

GD法是从泰勒展开式出发,推出的一种求解偏微分方程的数值方法,该方法通过离散,将某节点的各阶导数表达为全域节点函数值的加权和,从而将偏微分方程转化为由待求节点函数值表述的代数方程组.系统地介绍了GD法的基本原理以及权系数的推导,并运用该方法求解了梁和薄板静力问题.计算结果表明,GD法具有数学原理严谨、精度高、收敛快、易于编程计算等特点,是求解偏微分方程的有力工具.     

泊松方程非等间距有限差分的数值求解方法

采用3阶精度中心差分格式对Dirichlet边界条件下的二维泊松方程进行离散,近边界网格点处采用2阶精度差分格式进行离散,利用超松弛迭代进行矩阵求解.数值计算结果表明,该有限差分方法具有收敛速度快、精度高的特点,可推广应用于非等间距网格下其他类型偏微分方程的数值求解.     

解麦克斯韦方程的谱方法

=本文研究了在时间和空间方向同时采用高精度谱方法对麦克斯韦方程的数值离散求解的数值方法。在空间方向利用谱元素作Galerkin有限元进行半离散，形成具有分块稀疏刚度矩阵的大型常微分方程组。对时间变量采用谱延迟校正的方法离散，然后用Krylov子空间方法加速求解。这种方法不但空间离散可以达到高精度，而且在时间方向的离散具有A稳定性并可以达到任意阶精度。     

基于人工神经网络的椭圆型微分方程数值求解

神经网络因其能够无限逼近任意非线性函数的特性,为求解微分方程提供了一种新的思路.通过神经网络训练,得到偏微分方程的近似解是连续函数,且具有足够的精度,因此可以得到解的任意阶导数.该方法的优势在于当问题维数增大时,计算量和存储量增加相对较小,可以克服维数灾难求解高维问题.同时,具有良好的泛化性和求解复杂区域问题的能力.针...     

一点超前数值差分公式的提出、研究与实践

根据数值微分理论,若给定未知目标函数在指定区间上的离散采样点数据,可使用数值差分公式求目标点处的一阶导数近似值。但对于靠近边界的目标点而言,多点中心差分公式可能因单边数据点不足而无法使用。另外,目标函数的一阶导数在目标点处可能发生加速变化,而前(后)向差分公式只考虑了单边数据点,可能无法适应该变化,使导数值误差较大。实际上,针对靠近右边界的目标点,可将后向差分公式在形式上"前移"一点来计算一阶导数,因此,一点超前数值差分公式被提出与研究。计算机数值实验表明:一点超前数值差分公式可使所求目标点一阶导数值具有较高的计算精度。     

明渠非恒定流问题的数值计算方法——以圣·维南方程组的数值计算方法为例

圣·维南方程组属于一阶拟线性双曲型偏微分方程,目前还无法求得其精确的解析解,实践中常采用数值计算方法求其近似解,即将流体力学物理问题转化为偏微分方程初边值的数值解问题。其求解是在给定初始条件和边界条件下,对方程进行离散化,求其数值解。求解过程一般分为两步:第一步是把方程组的求解域离散化,即将微分方程连续的定解域离散到定解域中的一些网格点上,把偏微分方程转化为一组代数方程。第二步是求解这组离散方程,给出这些离散点上解的近似值。数值模拟的正确性和精确度主要取决于网格划分、方程离散的差值函数、初边值条件等几个环节。目前常用的计算方法有基于有限差分法的特征线法和直接差分法,以及有限元法等。     

三维时间分数阶扩散方程的数值算法

将2次插值和Kansa方法结合应用于求解时间分数阶扩散方程,选择多重二次函数(multiquadric,MQ函数)作为径向基函数.在离散过程中,将Kansa方法用于离散空间导数,用线性插值和3点2次插值来近似Caputo型时间分数阶导数.最后讨论了数值算例的数值解,通过实验得出数值解与解析解之间的误差较小、整体稳定性好,从而验证了该方法求解分数阶扩散方程的有效性、可行性和准确性.     

求解一类非线性偏微分方程的高精度紧致差分方法

针对一类非线性偏微分方程,提出了一种新的高精度紧致差分方法.首先对内部网格节点处的空间一阶和二阶导数项采用四阶精度的Padé紧致差分格式进行离散,然后对时间导数项采用泰勒级数展开并使用截断误差余项修正法进行离散,最终得到了求解该非线性方程的一种三层隐式高精度紧致差分格式,其截断误差为O(τ2+τh2+h4),即当τ=O(h2)时,该格式在空间上具有四阶精度.最后通过对广义Burgers-Fisher方程和广义Burgers-Huxley方程的数值求解,验证了本文方法的精确性和可靠性.     

一种改进的有限点集法模拟高阶非线性动力学问题

针对高阶非线性动力学问题的求解,提出了一种改进的有限点集法(corrected finite pointset method,CFPM).首先将具有高阶导数的非线性偏微分方程分解为若干一阶偏微分方程,并采用有限点集法对其进行离散求解;然后连续应用低阶导数逐阶逼近高阶导数;最后对比一维非线性黏性Burgers方程及具有高阶导数的Kd V-Burgers方程的数值解与解析解,并将二维非线性Burgers方程的数值结果与其他数值结果进行比较.实例分析表明,CFPM方法能够准确、可靠地求解非线性动力学问题.     

构造对流扩散方程高精度非均匀网格格式的指数变换方法

提出了一种基于非均匀差分网格,构造求解对流扩散方程的高精度格式的指数变换方法.引入指数函数,将对流扩散方程变换为扩散反应方程,消除了数值求解中较难处理的对流项.采用优化差分方法推导出扩散反应方程基于非均匀网格的高精度差分格式,进而通过逆变换得到对流扩散方程的高精度格式.理论分析表明,该方法具有3至4阶精度,当计算区域为均匀网格时取得4阶精度.数值实例表明,在相同的非均匀网格系统中,此方法的计算精度明显优于传统的隐式差分方法.在水环境的实际模拟计算中,根据物理量的变化规律灵活地调整非均匀网格的间距,不仅能增强高精度差分方法的实用性,而且可以取得比均匀网格方法更为精确的计算结果.     

二维泊松方程非均匀网格上的高精度紧致差分格式

提出了数值求解二维泊松方程基于非均匀网格的高阶紧致差分格式,通过选取合适的网格分布参数求解具有边界层的数值算例,空间可以达到四阶精度.并与均匀网格上的计算结果进行比较,充分验证了本文非均匀网格高精度紧致格式的精确性和优越性.     

椭圆型方程的等参数有限差分法

本文提出的等参数有限差分法,是适用于具有两个变量的椭圆型方程边值问题的一种数值解法,它的特点是能够在不规则网格上离散空间变量的导数.等参数有限差分格式可以提高解的精度,它所得到的差分解将具有一致的二阶估计.突例证明计算是有效的.     

一种基于属性分布的非均匀油藏数值模拟网格优化算法

油藏数值模拟是油气田勘探开发的基础,三维地质网格模型是数值模拟的基础数据之一,网格的数量和大小决定了数值模型的精细程度,同时也影响了数值模拟的效率。为了有效保证地质模型的准确性,又可以提高数值模拟的效率,借鉴自适应网格法的思想,提出了一种改进的不均匀网格优化方法。该方法在储层物性非均质性强烈或重点研究区域采用细网格,而在储层物性均质性相对较好的区域采用粗网格,相邻粗、细网格间均匀渐变过渡。首先,设计了网格优化的基本原则;随后,在网格优化基本原则的基础之上,设计并实现了一种改进的不均匀网格优化算法;最后,以陕西省X区油田实例数据对算法的有效性和准确进行了验证。结果表明:该算法可以实现网格的均匀渐变过度,既有效减少了网格数量,又很好的保证了模型的精确度。     

势流函数正交网格生成方法

基于流函数和势函数自然正交的数理特性,采用有限元法直接求解流函数和势函数方程,生成正交网格.结果表明,所生成的网格具有正交性好和网格疏密易于调整的优点,尤其是对于复杂几何区域流场的计算更显优越性.     

基于VC的GPS高程的应用研究

当前,GPS平面控制网已经得到了广泛的运用,但是GPS高程却运用得不够,人们期望着能够用GPS高程测量代替传统的水准测量.本文对GPS高程测量的原理和方法进行了初步的探讨,并结合我国GPS高程测量的应用的实际,以数值拟合为主,建立了高程转换的数学模型.同时用VC 开发了GPS高程控制转换系统,经试验测试,在平原或浅丘地区,在不加地形改正的情况下,拟合出的正常高高程满足一般工程和大比例尺测图的精度要求,在一定程度上降低了生产成本.     

方形域上的全局同胚自适应网格生成法

给出了一种把任意维方形过渡域自适应映到最终计算域的映射;给出了此映射是全局同胚的充分性条件,以及对应此映射的数值网格生成迭代方法。用全局同胚自适应网格生成的例子进一步表明本文方法是实际可行的。     

一类数据不完整情况下的概率分布参数估计方法

提出了一类数据不完整情况下的参数估计方法 ,这类方法以分布函数或其各阶导数和频率间的关系为基础 ,并利用最小二乘法建立求解未知分布参数的方程组。另外 ,针对一些常见概率密度函数的特点 ,文中通过合理的近似 ,提出了一种简化的参数求解方法。实例表明本文方法求解出的未知分布参数精度较高 ,对于一些常见的概率分布函数 ,简化方法的求解过程相当简单。     

基于深度神经网络-近似线性网络混合模型的电力系统状态估计方法

为提高电力系统实时状态估计的精度和计算效率,解决电网电压波动频发、潮流分布的不确定性剧增等问题,通过提出一种基于深度神经网络和近似线性网络模型的电力系统状态估计方法,研究了其在电网的应用。该方法将混合系统量测数据通过粒子滤波算法得到样本集,利用训练样本训练所提出的混合神经网络模型,最后将测试样本输入已建立的模型中获得系统状态的估计结果。通过IEEE118节点系统进行的负载数据仿真实验表明：基于混合神经网络模型的电力系统状态估计方法不仅能快速进行海量数据训练,还能有效避免过拟合;在实时状态估计的精度和计算效率方面相较于高斯-牛顿法均有提高。可见所提方法在电力系统实时状态估计方面具有一定的应用价值。     

利用ArcGIS和Excel提取面积高程积分曲线的方法

面积高程积分（Hypsometric Integral,HI）可以定量地描述流域地貌演化阶段,是定量地貌分析的重要方法之一,得到了广泛应用。但目前常用的方法是高程起伏比法,仅能得到结果值,无法绘制可视化的积分曲线。本文提出一种利用ArcGIS和Excel提取并绘制HI曲线的方法。该方法首先在理解HI含义的基础上,分析了流域的数字高程模型数据（DEM）的特点。分析结果表明其属性表存储的是高程值及对应的栅格个数,其中栅格个数可转化为面积。据此特征,利用ArcGIS提取流域DEM并构建其属性表,然后利用Excel计算属性表中高程值及高程值以上的流域面积,从而得到一系列面积-高程数值对。此数值序列即为绘制HI曲线的基础。本文以大通河流域为例进行了方法的说明和验证。计算结果与高程起伏比法相一致。该方法无须编程,简便易操作,便于面积高程积分方法的广泛使用。