时间分数阶Edwards-Wilkinson方程的标度行为研究(英文)

分别采用数值模拟和标度分析方法对1+1维时间分数阶Edwards-Wilkinson方程的标度行为进行研究.利用Caputo分数阶导数数值解求得的生长指数与采用直接标度分析方法得到的结果一致.

求解具有初始奇异性的二维非线性时间分数阶波动方程的紧差分格式

基于具有初始奇异性的二维非线性时间分数阶波动方程的等价积分-微分形式,将卷积求积公式与Crank-Nicolson技术相结合,建立了求解该方程的交替方向隐式(alternate directional implicit,ADI)数值格式。理论推导说明,该格式在时间方向上至少具有γ阶精度,在空间方向上具有4阶精度,并用数值算例进行了验证。

一种求解时间分数阶非线性抛物型方程的等阶混合有限元

为数值求解时间分数阶非线性抛物型方程,本文提出了一种k次等阶混合有限元.为获得有限元的完全离散格式,本文在时间方向上考虑经典L1格式、在空间方向上使用基于局部投影的稳定混合有限元.本文定义了混合投影并得到了有限元的误差估计.数值算例验证了理论结果 .

求解一类时间分数阶扩散方程的深度学习方法

偏微分方程可以用深度学习方法求解,其求解思路是构建损失函数、采集样本点,然后在采集到的时空样本点上利用随机梯度下降法训练神经网络,直接去逼近方程,从而把方程求解问题转化为极小化损失函数的问题.特别地,对时间分数阶扩散方程而言,损失函数刻画了神经网络与方程的分数阶算子、初值条件、边界条件等的逼近程度.常见的损失函数有均方误差损失函数及交叉熵误差函数.理论上,使损失函数减小到零的神经网络就是方程的解.本文证明,用深度学习方法求解时间分数阶扩散方程时均方误差损失函数可以减小到零,且相应的神经网络在解区域上一致收敛到方程的真解,因而此时的神经网络就是方程的解.数值算例验证了理论分析.

多项时间分数阶扩散方程类Carey非协调元的误差分析

基于L^(1)全离散格式,针对具有Caputo导数的二维多项时间分数阶扩散方程给出了类Carey非协调有限元方法.利用该单元的特殊性质和分数阶导数巧妙的处理技巧导出了L^(2)模和H^(1)模意义下的最优误差估计.

分数阶时间导数方程和反常亚扩散过程——纪念茆诗松教授

本文介绍并且改进和推广了时间导数为分数阶的方程,以及与反常亚扩散过程相关联的最近的一些结果.

基于L2-1_(σ)格式逼近时间分数阶扩散方程的差分方法及其收敛性分析

针对时间分数阶扩散方程,在时间方向上结合L2-1_(σ)格式,空间上采用二阶中心差分方法进行离散,并对离散格式进行了收敛性和稳定性分析,离散格式和分析方法可以很容易推广到空间高维情形。最后,通过数值算例对L2-1_(σ)格式和L1格式进行了误差和收敛阶的对比,显示出L2-1_(σ)格式在时间分数阶导数逼近上的优势。

半线性Riemann-Liouville分数阶发展方程反馈时间最优控制

该文研究Banach空间中一类半线性Riemann-Liouville.首先,利用不动点定理求解方程的温和解存在唯一性.其次,在半群是紧的前提下借助Cesari性质和Fillipove定理证明容许轨迹集的非空性.在此基础上证明时间反馈最优控制问题的存在性结果.最后,给出实例来说明文章的主要结果.

基于时间分数阶扩散方程的药物控释初始浓度优化

药物控释系统是指通过调控内部某些设计参数,以达到特定药物释放目标的一种可控释体系。针对基于时间分数阶扩散方程的药物控释体系初始浓度优化问题,采用B样条小波方法求解正问题,采用结合了小生境策略和布谷鸟搜索算法的小生境布谷鸟算法优化不同分数阶下的药物初始浓度,从而近似达到三种预期药物释放目标。对于正问题求解,主要结合Caputo导数和三次B样条尺度函数,建立了一种B样条小波方法的迭代求解格式;对于初始浓度优化问题,引入了反问题研究思路,将药物控释体系的优化设计问题归结为基于分数阶扩散方程的参数辨识问题。为了实现参数反演控制,引入了小生境布谷鸟智能优化算法,反演计算控释体系中的初始浓度,有效地解决了布谷鸟算法易陷入局部极值的问题。针对恒速释放,线性降低释放和非线性释放三种释放目标,给出了最优控制参数设计,数值算例验证了所提方法的有效性。

Caputo-Katugampola时间分数阶扩散方程的数值求解方法

本文研究带Caputo-Katugampola分数导数时间分数阶扩散方程的数值解法: 使用中心差分格 式离散空间扩散顶,采用L1差分格式离散时间分数阶导数。 实验结果表明该方法在空间和时间上 的收敛速度分别为2阶和2 − α阶。

非线性时间分数阶四阶混合次扩散和扩散波动方程的混合有限元算法

本文数值求解了一个二维非线性时间分数阶四阶混合次扩散和扩散波动方程,在时间方向上采用L1-CN格式,在空间上通过混合有限元方法进行离散,并且在此基础上,给出了它的全离散格式。最后针对该数值格式提供了算法过程和数值算例,以及详细的收敛结果。

求解时间分数阶相场微分方程的自适应分数阶物理信息网络

本文提出具有自适应权重的分数阶物理信息神经网络(adaptive-fPINN-PQI)求解时间分数阶偏微分方程。首先,利用Hadamard有限部分积分意义上的分段二次插值(PQI)对时间分数阶导数进行离散。其次,为降低自动微分引入的误差,本文采用中心差分法代替自动微分求导,计算空间各阶偏导数,提高了预测解精度。此外,本文构建的自适应权重残差网络,基于残差网络架构有效防止梯度消失。并通过建立自适应权重来自动调整不同损失项的权重,显著平衡其梯度,进一步提升预测解精度。最后,将adaptive-fPINN-PQI用于求解时间分数阶相场偏微分方程,证明了该网络的高精度和高效率。

分数阶薛定谔方程反演左边界的拟边界正则化方法

研究无界区域上时间分数阶薛定谔方程的反演左边界反问题,这是一个不适定问题,即问题的解不连续依赖于测量数据.利用拟边界正则化方法求解此反问题,给出拟边界正则解.在先验和后验正则化参数选取规则之下给出正则解和精确解的误差估计.

一类时间-空间分数阶Klein-Gordon方程的孤立波解

利用1/G展开法对一类时间-空间分数阶Klein-Gordon方程进行了求解,并得到了丰富的行波解.所得解主要为该方程的孤立波解和扭曲波解.选取部分解进行相图分析显示,所得解均是有效的.该研究结果扩展了分数阶Klein-Gordon方程的应用范围.

一个求解二维非线性时间分数阶波动方程的向后欧拉差分格式

基于所考虑方程的等价积分-微分形式,将卷积求积公式与向后欧拉差分公式相结合,建立了一种求解二维非线性时间分数阶波动方程的数值格式.通过理论推导说明该格式在时空方向上的精度为O(τ+h^(2)_(1)+h^(2)_(2)),并用数值算例验证了该结论.

基于深度学习的分数阶Nernst-Plank方程求解

采用分数阶物理信息网络(fPINN)求解时间分数阶Nernst-Plank方程,并对其解决时间分数阶N-P的正问题与反问题的准确性和有效性进行说明.在这基础上,分析离散化时间分数阶算子所导致的离散误差、采样误差、神经网络优化误差对最终求解的影响.同时,分析离散误差与取样误差的关系,并发现当固定离散误差后存在最好的训练点集大小使得求解误差最低.最后,展示神经网络求解反问题的准确性与效率.

一类带有梯度项的Caputo型时间分数阶扩散方程解的局部存在性和全局存在性

通过建立解算子的估计,本文研究一类带有梯度项的Caputo型时间分数阶扩散方程适度解的局部存在性,并证明一类带有梯度项的Caputo型时间分数阶扩散方程的极值原理,进而得到该问题小初值假设下适度解的全局存在性.

时间分数阶Klein-Gordon方程的有限差分方法

研究时间分数阶Klein-Gordon方程的有限差分方法。构建基于L 1格式的时间分数阶Klein-Gordon方程的均值有限差分格式,利用一种新的能量分析方法证明有限差分格式的收敛性与稳定性。最后,通过数值例子验证该方法的有效性与可行性。

一类带记忆项半线性时间分数阶σ -发展方程解的爆破

研究了一类带记忆项半线性时间分数阶σ-发展方程解的爆破,通过构造合适的测试函数,在非线性项指数满足一定条件时证明了解的有限时刻爆破,并得到了生命跨度的上界估计,且所得到的指数p的范围在极限情形下与经典爆破结论一致.

时间分数阶扩散方程逆向问题的迭代分数次Tikhonov方法

研究了一个在一般有界域中的具有可变系数的时间分数阶扩散方程的逆向问题。提出了一种迭代的分数次Tikhonov正则化方法去解决这个逆向问题。此外,通过先验正则化参数选取规则和后验正则化参数选取规则,证明了正则化解的收敛率。迭代的分数次Tikhonov正则化方法超越了经典Tikonov正则化方法的饱和结果,在先验参数选取规则下,迭代的分数次Tikhonov正则化方法优于经典迭代Tikonov正则化方法。