一种针对含随机输入趋化动力学模型的高阶随机渐近保持格式
数值分析
2017-10-17 v1 细胞行为
摘要
本文针对含随机输入的动力学趋化系统，开发了一种随机渐近保持（sAP）格式，该格式在扩散区域将收敛到含随机输入的修正Keller-Segel模型。基于广义多项式混沌（gPC）方法，我们设计了一种高阶随机Galerkin方法，该方法采用带有宏观惩罚项的隐式-显式（IMEX）Runge-Kutta（RK）时间离散。当平均自由程较小时，新格式将抛物型CFL条件改进为双曲型，这在处理多尺度问题的不确定性量化（UQ）时显示出显著的效率。随机渐近保持性质将渐近地展示，并通过若干测试进行数值验证。我们还进行了许多其他数值测试，以探索随机性在动力学系统中的影响，旨在为趋化模型的理论研究提供更多直观见解。
引用
@article{arxiv.1710.05722,
title = {A High Order Stochastic Asymptotic Preserving Scheme for Chemotaxis Kinetic Models with Random Inputs},
author = {Shi Jin and Hanqing Lu and Lorenzo Pareschi},
journal= {arXiv preprint arXiv:1710.05722},
year = {2017}
}