具有随机初始条件与强迫项的 Navier-Stokes 方程的惩罚集成方法
数值分析
2024-08-01 v3 数值分析
摘要
在许多应用中，问题数据中的不确定性导致需要进行大量计算昂贵的模拟。本报告通过开发基于惩罚的集成算法来应对这一挑战。在 Jiang 和 Layton 关于使用共享系数矩阵的集成算法工作基础上，本报告引入了惩罚方法的结合以增强其能力。惩罚方法通过松弛不可压缩条件来解耦速度与压力。消去压力后得到一个需要更少内存的系统。内存的减少允许更大的集成规模，从而给出关于流动的更多信息，并可用于延长可预测时限。
引用
@article{arxiv.2309.12870,
title = {Penalty Ensembles for Navier-Stokes with Random Initial Conditions and Forcing},
author = {Rui Fang},
journal= {arXiv preprint arXiv:2309.12870},
year = {2024}
}