Toda连续系统的Compacton解及Peakon解

研究了一类Toda连续晶格系统的特殊孤立波解:紧孤立波解Compacton和尖峰孤立波解Peakon.设Toda系统中横向与纵向波动处于同一量级,通过行波约化,将Toda系统约化为关于行波变量的常微分方程.假设该方程的解具有局部正弦、局部余弦和指数形式,将常微分方程的求解问题转化为代数方程的求解,利用吴消元法,借助Mathematica数学软件,获得了Toda系统的Com-pacton解和Peakon解.Compacton解在有限区间外恒为零,是更强局部性的孤立波解.Peakon解在波峰处一阶导数不连续,但可用D irac广义函数表示.通过电-力类比可以建立与Toda系统等价的电路,利用电路产生的孤子信号可以进行一些特殊的信号处理.

双分量Dullin-Gottwald-Holm方程的peakon解与拟扭波解

利用动力系统方法研究双分量Dullin-Gottwald-Holm(DGH)方程的非光滑行波解及其动力学行为.运用相图分析技术给出双分量Dullin-Gottwald-Holm方程peakon解和拟扭波解存在的参数条件,获得peakon解和拟扭波解的精确表达式及其数值模拟.

基于梯度优化物理信息神经网络求解复杂非线性问题

近年来,物理信息神经网络(PINNs)因其仅通过少量数据就能快速获得高精度的数据驱动解而受到越来越多的关注.然而,尽管该模型在部分非线性问题中有着很好的结果,但它还是有一些不足的地方,如它的不平衡的反向传播梯度计算导致模型训练期间梯度值剧烈振荡,这容易导致预测精度不稳定.基于此,本文通过梯度统计平衡了模型训练期间损失函数中不同项之间的相互作用,提出了一种梯度优化物理信息神经网络(GOPINNs),该网络结构对梯度波动更具鲁棒性.然后以Camassa-Holm(CH)方程、导数非线性薛定谔方程为例,利用GOPINNs模拟了CH方程的peakon解和导数非线性薛定谔方程的有理波解、怪波解.数值结果表明,GOPINNs可以有效地平滑计算过程中损失函数的梯度,并获得了比原始PINNs精度更高的解.总之,本文的工作为优化神经网络的学习性能提供了新的见解,并在求解复杂的CH方程和导数非线性薛定谔方程时用时更少,节约了超过三分之一的时间,并且将预测精度提高了将近10倍.

一类带强色散项DGH方程解的极限问题

研究一类新的非线性色散浅水波DGH方程带强色散项的极限问题,方程结合KdV方程的线性色散项和C-H方程的非线性(非局部)色散项.研究了方程柯西问题的全局适定性.在初值问题的一个简单假设下,得到在索伯列夫空间(HS,s≥3)中方程解的的全局存在性,主要研究了当γ→0时的极限情况.运用先验估计,利用对|ux|一致有界的全局估计,得出在L2中方程的解u(与γ有关)是一柯西序列,因而收敛到HS(s≥3)中C-H方程的解.

广义Degasperis-Proces方程的非解析行波解

本文利用动力系统分岔理论和广义函数理论,并结合相图分析的方法对广义Degasperis-Proces方程的非解析波解进行了研究,给出了不同非解析波存在的分岔条件,并给出了这些非解析行波解的精确参数表达式,此外本文对不同非解析行波解进行了分类,证明了Peakon解和Vallyon解是广义解而非弱解,而Compacton解是弱解。本文提出的方法为非线性波方程的非解析行波解的研究提供了一条可行的思路,给出的结论丰富了非解析行波解的研究结果。

一类三阶色散方程的非解析波解的讨论

利用分岔理论对一类三阶色散方程的非解析波解进行了研究,得出不同的非解析波解存在的条件,并得到Peakon解是广义解而非弱解的结论.