用于参数化随机 Navier-Stokes 流动问题的高效、准确、稳健的惩罚投影算法
数值分析
2025-02-17 v1 数值分析
摘要
本文提出并分析了一个快速、稳健、高效且最优准确的全离散分裂算法，用于求解在对流支配下发生的随机 Navier-Stokes 方程 (SNSEs) 流动问题的不确定性量化 (UQ)。时间离散算法为隐式 backward-Euler 线性化方法，采用 grad-div 和 Ensemble Eddy Viscosity (EEV) 正则化，并通过离散 Hodge 分解进行分割。此外，算法的子问题设计为在每个时间步的所有实现具有不同的右端向量 (RHS) 但相同的系统矩阵。该算法的稳定性被严格证明，已证明当 grad-div 稳定参数取值足够大时，分割误差可被消除。随后，将所提出的 UQ 算法与随机拾位方法 (SCMs) 结合使用。给出若干数值实验，以验证该优越方案的预测收敛率和性能，在高预期雷诺数 (Re) 的基准问题上进行测试。
引用
@article{arxiv.2502.09842,
title = {Efficient, Accurate, and Robust Penalty-Projection Algorithm for Parameterized Stochastic Navier-Stokes Flow Problems},
author = {Neethu Suma Raveendran and Md. Abdul Aziz and Sivaguru S. Ravindran and Muhammad Mohebujjaman},
journal= {arXiv preprint arXiv:2502.09842},
year = {2025}
}
备注
24 pages, 4 figures. arXiv admin note: substantial text overlap with arXiv:2410.15510