数学 > 数值分析
[提交于 2023年6月20日
]
标题: CFL优化的浅水方程前向后向龙格-库塔格式
标题: CFL Optimized Forward-Backward Runge-Kutta Schemes for the Shallow Water Equations
摘要: 我们提出了一个用于求解浅水方程的龙格-库塔型时间推进方案的公式和优化,旨在显著增加相对于可比方法的有效允许时间步长。 该方案称为FB-RK(3,2),利用厚度数据的加权前后向平均来推进动量方程。 这些权重通过采用冯·诺依曼型分析的优化过程进行选择,确保权重最大化允许的柯朗数。 通过简化的局部截断误差分析和数值实验,我们表明该方法对于任何权重选择至少是二阶的时间精度,并且对于充分解析的波具有低色散和耗散误差。 此外,我们表明优化后的FB-RK(3,2)在准线性测试案例中可以取到比一种流行的三阶段、三阶强稳定性保持龙格-库塔方法大2.8倍的时间步长。 在与海洋和大气流动相关的完全非线性浅水测试案例中,FB-RK(3,2)在允许的时间步长上比SSPRK3高出大约1.6到2.2倍,使该方案的计算效率大约提高一倍,而对解的质量几乎没有影响。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.