Adaptive Refinement Strategies for the Simulation of Gas Flow in Networks using a Model Hierarchy
TU Darmstadt(达姆施塔特工业大学);TU Berlin(柏林工业大学)
本文提出基于一维等温流体动力学欧拉方程的模型分层方法,通过结合空间、时间步长和模型适应性细化策略,优化气体流动模拟的计算成本和精度。
2017-01-31 cs.NA math.NA
Adaptive Mesh Refinement Strategies in Isogeometric Analysis - A Computational Comparison
Technische Universität Dresden(德累斯顿工业大学);Rheinische Friedrich-Wilhelms-Universität Bonn(波恩大学)
本文比较了四种基于三次样条的自适应有限元方法变体,在简单椭圆模型问题中评估其性能,分析了H1误差、自由度数量及离散问题的稀疏性与条件数。
2016-05-03 cs.NA math.NA
A Cost-Efficient Space-Time Adaptive Algorithm for Coupled Flow and Transport
本文提出一种基于对偶加权残差法的成本高效时空自适应算法,用于耦合流动与对流主导输运问题,通过多速率方法和时空板结构实现高效求解,并在数值算例中验证了其性能及稳定化与自适应的相互作用。
2022-12-06 cs.NA math.NA
On the implementation of an adaptive multirate framework for coupled transport and flow
在这项工作中,多速率的时间方法解决了不同的时间尺度的对流为主的运输和耦合流体流动的发展和研究,鉴于目标导向的差错控制的双加权残差(DWR)方法。关键成分是一个任意程度的不连续的Galerkin时间离散的基本子问题,一个后验误差表示的运输问题,再加上流和它的实施使用时空张量积空间。误差表示允许分离的时间和空间的离散化误差,作为局部误差指标,自适应网格细化。数值收敛的例子,以及一个例子的物理利益对流为主的运输的方法及其软件实现的性能进行了研究。
2022-02-08 cs.NA math.NA
Model reduction for transport-dominated problems via online adaptive bases and adaptive sampling
这项工作提出了一个模型简化方法的问题,随着时间的推移,如对流为主的流动和波型现象的传播相干结构。传统的模型降阶法难以处理这些输运主导的问题,因为传播相干结构通常会引入需要高维近似空间的高维特征。在这项工作中提出的方法利用传播相干结构的空间和时间的局部性,以获得有效的降阶模型。全模型的解决方案是近似的本地时间通过本地减少空间,适应与基础更新在时间步进。基础更新是通过在几个选定的空间坐标处查询完整模型而导出的。这项工作的一个核心贡献是一个自适应的抽样方案,选择在哪些组件查询完整的模型计算基础更新。所提出的分析表明,在概率上,更多的本地的相干结构是在空间中,更少的全模型样本需要适应减少的基础与建议的自适应采样方案。基准的例子与相互作用的波型结构和随时间变化的运输速度和模型燃烧室的单元素火箭发动机的数值结果表明,所提出的方法和运行时的加速比高达一个数量级相比,完整的模型和传统的降阶模型的广泛适用性。
2020-06-14 cs.NA math.NA
Adaptive Nonlinear Elimination Preconditioning for Transport in Fractured Porous Media
针对裂缝多孔介质输运子问题中牛顿法收敛差的问题,提出自适应非线性消去预处理精确牛顿算法,显著提升了收敛性与计算效率。
2025-04-26 cs.NA math.NA
Lookahead data-gathering strategies for online adaptive model reduction of transport-dominated problems
针对输运主导问题,提出预测全模型下一状态的前瞻数据收集策略,以动态更新降阶空间,解决了回顾式策略失效问题,提升了在线自适应降阶模型的精度、鲁棒性和稳定性。
2023-07-27 cs.CE cs.NA math.NA
The lymph 2.0 library: p-adaptive algorithms and parallel assembly strategies for polytopal DG methods
Politecnico di Milano(米兰理工大学)
本文介绍 lymph 2.0 库,支持基于后验误差指示器的 p-自适应策略和统一组装框架,通过共享内存并行降低计算成本并保持精度。
2026-06-24 cs.NA math.NA
An Adaptive Multiresoluton Discontinuous Galerkin Method for Time-Dependent Transport Equations in Multi-dimensions
Michigan State University(密歇根州立大学)
本文提出了一种基于多小波的自适应多分辨率不连续伽辽金方法,用于多维时间依赖传输方程,通过误差阈值实现自适应,适用于确定性动能模拟。
2016-07-06 cs.NA math.NA
Adaptive Mesh Methods on Compact Manifolds via Optimal Transport and Optimal Information Transport
移动网格方法旨在以规则的方式重新分布网格。这个应用问题可以被认为是重叠的问题,找到一个密度测度之间的同构映射。在应用中,需要对现成的网格进行重构,以在某些区域中具有比其他区域更高的网格密度。这应该以一种避免纠缠的方式来完成,因此,同构映射技术的吸引力。对于球面上的精确同构映射,使用的主要工具是最优输运,它允许在甚至非连续的源和目标密度之间进行同构映射。然而,最近,最优信息传输被严格开发,允许精确和不精确的非纯映射和一个简单的偏微分方程的求解。在这篇手稿中,我们进行了第一次并排比较使用最优输运和最优信息运输的球自适应网格问题。我们介绍如何推广这些计算更一般的流形。在本文中,我们选择与可证明收敛的求解器进行这种比较,由于缺乏边界条件和偏微分方程公式中缺乏比较原则,因此这对任何一个问题都具有挑战性。看来,最优信息传输产生更好的结果,更容易推广的移动网格问题。为了使用最优输运的移动网格方法,进一步的工作的准确性最优输运求解器上的球和一个框架,推广到其他流形之前,这成为一个建议的方法,在具有挑战性的情况下,必须做。
2021-12-21 cs.NA math.NA
Efficient Adaptive Stochastic Collocation Strategies for Advection-Diffusion Problems with Uncertain Inputs
针对参数化对流扩散问题,提出一种结合随机配置与自适应时间步进的非侵入式自适应策略,利用分层估计器平衡参数误差和时间误差,构建随时间调整的多项式代理模型。
2023-05-12 cs.NA math.NA
Control Strategies for Transport Networks under Demand Uncertainty
在这篇文章中,我们考虑不确定需求的运输网络。网络动力学由线性双曲型偏微分方程和适当的耦合条件给出,而需求则作为随机微分方程的解。为了满足需求,我们解决了一个约束最优控制问题。然后,针对不同的假设,明确计算网络输入方面的控制。数值模拟进行强调的理论结果。
2022-08-15 cs.NA math.NA math.OC
Hyper-reduction for parametrized transport dominated problems via online-adaptive reduced meshes
提出了一种有效的残差最小化技术用于参数化双曲型偏微分方程的非线性模型降阶。我们的非线性逼近空间是在移位空间域上评估的快照的跨度,并且我们通过残差最小化来计算我们的简化逼近。为了加速残差最小化,我们计算并最小化残差的网格(最好是小的)子集,所谓的减少网格。由于我们的近似空间的非线性,我们表明,类似的解决方案,残留也表现出运输型行为。为了解释这种行为,我们引入在线自适应减少网格的“移动”它沿空间域与参数相关的位移。我们还提出了一个扩展我们的方法,空间变换不同的移位。数值实验表明,我们的方法的有效性和非自适应减少网格造成的不准确性。
2021-01-20 cs.NA math.NA
Adaptive model reduction of high-order solutions of compressible flows via optimal transport
提出基于最优传输的r-自适应网格方法,结合高阶离散与非侵入式降阶,构建可压缩流高阶解的降阶模型,并在超声速/高超声速案例中验证。
2023-10-12 cs.NA math.NA
Adjoint-based Adaptive Multi-Level Monte Carlo for Differential Equations
本文提出了一种多层蒙特卡罗(MLMC)算法,该算法具有自加细网格和精确计算的停止准则,利用基于伴随的微分方程后验误差分析。这与经典MLMC算法相反,经典MLMC算法使用均匀网格的层次结构或基于Richardson外推的自适应加细网格,并且采用依赖于MLMC水平的收敛速度的假设的停止标准。这项工作开发了两个自适应细化策略的MLMC算法。这些策略是基于MLMC偏差的误差估计的分解,并利用变分分析,伴随问题和可计算残差。
2022-06-06 cs.NA math.NA
An Adaptive Finite Element Method for Marker-Driven Level-Set Transport on Hierarchical Meshes
Texas Tech University(德克萨斯理工大学);University of Bologna(博洛尼亚大学)
本研究提出一种分层网格上标记驱动水平集输运的自适应有限元框架,支持动态加密粗化,经多类网格数值实验验证,其精度与均匀离散化相当但成本更低,可集成至多相流求解器。
2026-07-31 cs.NA math.NA
Optimal Adaptive Ridgelet Schemes for Linear Transport Equations
Seminar for Applied Mathematics, ETH Zürich(苏黎世联邦理工学院应用数学研讨室)
本文提出一种基于ridgelet的新型数值解法,用于求解线性输运方程,该方法在存在线奇异性的条件下仍能保持最优复杂度,通过证明系统矩阵的均匀良好条件性和可压缩性,实现了高效求解。
2014-09-05 cs.NA math.NA
Adaptive Finite Elements with Algebraic Stabilization for Convection-Dominated Transport
Gulf University for Science and Technology(科威特科学大学);Indian Institute of Technology Gandhinagar(甘地纳加尔印度理工学院)
本文研究了自适应有限元中代数稳定化技术对对流主导传输问题的误差估计与求解精度影响,揭示了不同稳定化方法在非线性问题中的表现差异。
2026-02-16 cs.NA math.NA
Anderson acceleration with adaptive relaxation for convergent fixed-point iterations
本文提出两种自适应松弛Anderson加速策略,针对收敛不动点迭代设计,在线性压缩映射及偏微分方程、EM算法等非线性应用中表现优越,其中一种策略在计算时间上超越现有方法。
2024-08-29 cs.NA math.NA
Adaptive Collocation Point Strategies For Physics Informed Neural Networks via the QR Discrete Empirical Interpolation Method
Rice University(里士大学);The University of Texas MD Anderson Cancer Center(德克萨斯大学MD安德森癌症中心)
针对固定配置点采样难以捕捉高梯度区域的问题,提出基于QR-DEIM的两种自适应配置点选择策略,在基准PDE上提升PINN精度。
2025-08-07 cs.CE cs.LG cs.NA
Adaptive and hybrid reduced order models to mitigate Kolmogorov barrier in a multiscale kinetic transport equation
本文提出面向目标的自适应时间划分分段线性 ROM,并结合 autoencoder 构建混合 ROM,以高效准确预测多尺度动力学输运方程在未知参数下的全阶解并缓解 Kolmogorov 障碍。
2025-05-13 cs.NA math.NA physics.comp-ph
Adaptive Single- and Multilevel Stochastic Collocation Methods for Uncertain Gas Transport in Large-Scale Networks
在本文中,我们关注的是量化的不确定性,所产生的一天内的振荡,通过大规模的网络输送天然气的需求。的气体流动的短期瞬态动力学建模的层次的双曲系统的平衡法的基础上的等熵欧拉方程。我们扩展了一种新的自适应策略,解决椭圆偏微分方程的随机数据,最近提出和分析郎,Scheichl,和西尔维斯特[J.计算。物理、419:109692,2020],不确定的气体运输问题。样本相关的自适应网格和模型的细化在物理空间中的自适应各向异性稀疏Scorpak网格在随机空间相结合。一个单级的方法,平衡的物理和随机逼近和多层次的方法,另外最大限度地减少计算成本的离散化误差被认为是。取自公共气体库的两个例子证明了从感兴趣的随机量计算的期望值的差错控制的可靠性,以及随机内插的进一步使用,例如,网络出口处的最小和最大压力值的近似密度函数。
2020-12-07 cs.CE cs.NA math.NA
High-order Adaptive Rank Integrators for Multi-scale Linear Kinetic Transport Equations in the Hierarchical Tucker Format
本文提出一种基于宏观-微观分解和分层Tucker分解的自适应秩积分器,结合高阶时间与空间离散及高阶奇异值分解,用于高效求解高维线性动理学输运方程,并在基准问题中验证了其精度与压缩优势。
2025-09-08 cs.NA math.NA physics.comp-ph
Transport map accelerated adaptive importance sampling, and application to inverse problems arising from multiscale stochastic reaction networks
在许多应用中,贝叶斯逆问题会产生概率分布,由于Hessian在参数空间中变化很大,因此这些概率分布包含复杂性。这种复杂性通常表现为低维流形上的似然函数是不变的,或变化很小。这可能是由于试图推断不可观察的参数,或者由于用于描述数据的模型中的草率。在这种情况下,用于表征后验分布的标准采样方法将是非常低效的,因为该方法不包含关于该结构的信息。在本文中,我们寻求开发一种方法来解决这个问题时,使用自适应重要性抽样方法,通过使用最佳的运输地图,以简化后验分布,这是集中在低维流形。这种方法适用于整个范围的问题,其中蒙特卡罗马尔可夫链(MCMC)方法混合缓慢。我们证明的方法,考虑部分观察到的随机反应网络所产生的反问题。特别是,我们认为系统表现出多尺度行为,但只有系统中的慢变量是可观察的。我们证明,某些多尺度近似导致更一致的近似后比别人。最佳传输映射的使用稳定了系综变换自适应重要性抽样(ETAIS)方法,并允许以较小的系综尺寸进行有效采样。这种方法使我们能够利用大幅度提高效率时,使用自适应重要性抽样方法以前棘手的贝叶斯逆问题与复杂的后验结构。
2020-07-27 cs.NA math.NA math.PR