超雲滴法 Monte Carlo 碰撞-凝聚方案的自适应时间步进
大气与海洋物理
2025-09-09 v1 计算物理
摘要
我们present了一种针对超雲滴法 (SDM) Monte Carlo 碰撞-凝聚方案的自适应时间步进分析。SDM 作为一种蒙特卡罗算法，用于模拟粒子碰撞-凝聚过程。SDM 将云滴表示为加权超雲滴，能够高保真地表征碰撞-凝聚等微观过程。然而，算法在期望事件数无法由超雲滴配置实现时会低估碰撞次数，引入偏差误差，称为碰撞缺失。虽然 SDM 具有蒙特卡罗方案固有的统计波动，但缺失是碰撞事件的系统性低估。这种误差可通过自适应时间步进来消除，该方法动态调整仿真时间步长以消除缺失。我们分析了缺失在各种时间步长、超雲滴数及初始化策略下的行为，探讨了准确性与效率之间的权衡。使用经典 Safranov-Golovin 测试案例，表明缺失随时间步长和超雲滴数而增加，自适应时间步进有效消除该误差且开销不显著。我们测试了一系列初始分布，包含两种不同初始化方法的极值，发现缺失对属性空间抽样策略敏感，但自适应时间步进显著降低差异，允许用户选择针对其他过程优化的初始化方法。我们还提出了一种可视化方法，捕捉属性抽样、跨多个时间步的滴液相互作用及缺失，使用网络连通性图表示。在二维流动耦合仿真中，我们发现缺失对收敛性的影响比此前显示的更大，未纠正的缺失会延迟降雨的开始。
引用
@article{arxiv.2509.05536,
title = {Adaptive time-stepping for the Super-Droplet Method Monte Carlo collision-coalescence scheme},
author = {Emma Ware and Piotr Bartman-Szwarc and Adele L. Igel and Sylwester Arabas},
journal= {arXiv preprint arXiv:2509.05536},
year = {2025}
}