Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2504.04357

帮助 | 高级搜索

数学 > 数值分析

arXiv:2504.04357 (math)
[提交于 2025年4月6日 (v1) ,最后修订 2025年5月21日 (此版本, v2)]

标题: 关于浓度依赖黏性生物对流流动的线性化二阶全离散有限元法的无条件最优误差估计

标题: Unconditionally optimal error Estimate of a linearized Second-order Fully Discrete Finite Element Method for the bioconvection flows with concentration dependent viscosity

Authors:Chenyang Li, Yuze Lu, Haibiao Zheng
摘要: 本文针对浓度依赖粘性的时间相关生物对流流动问题,获得了耦合和解耦的二阶向后差分(BDF2)有限元离散格式,该问题由与刻画培养液中微生物浓度的线性对流扩散方程耦合的Navier-Stokes方程组成。 通过空间上的有限元逼近和时间上的有限差分离散方法,证明了速度和浓度在$L^2$-范数和$H^1$-范数下的无条件最优误差估计。 最后,展示了不同粘性情况下的数值结果以支持理论分析。
摘要: In this paper, the coupled and decoupled BDF2 finite element discrete schemes are obtained for the time-dependent bioconvection flows problem with concentration dependent viscosity, which consisting of the Navier-Stokes equation coupled with a linear convection-diffusion equation modeling the concentration of microorganisms in a culture fluid. The unconditionally optimal error estimate for the velocity and concentration in $L^2$-norm and $H^1$-norm are proved by using finite element approximations in space and finite differences in time. Finally, the numerical results for different viscosity are showed to support the theoretical analysis.
主题: 数值分析 (math.NA)
引用方式: arXiv:2504.04357 [math.NA]
  (或者 arXiv:2504.04357v2 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.04357
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Chenyang Li [查看电子邮件]
[v1] 星期日, 2025 年 4 月 6 日 04:57:36 UTC (6,514 KB)
[v2] 星期三, 2025 年 5 月 21 日 06:19:34 UTC (6,558 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.NA
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号