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:2504.10125v1

帮助 | 高级搜索

数学 > 数值分析

arXiv:2504.10125v1 (math)
[提交于 2025年4月14日 ]

标题: 扩散-反应问题的初始边界修正分裂方法

标题: An initial-boundary corrected splitting method for diffusion-reaction problems

Authors:Thi Tam Dang, Lukas Einkemmer, Alexander Ostermann
摘要: 奇异分裂是一种广泛用于求解扩散-反应问题的二阶方法。 然而,其收敛阶通常对于狄利克雷边界条件会降低到阶$1$,对于诺伊曼和罗宾边界条件会降低到阶$1.5$,导致精度降低和效率减少。 在本文中,我们提出了一种新的分裂方法,称为初始-边界校正分裂,该方法避免了阶数降低,同时提高了更广泛应用范围内的计算效率。 与文献中提出的校正方法不同,它不需要计算依赖于边界条件和边界数据的校正项。 通过严格的分析收敛性分析和数值实验,我们展示了所提出方法的改进精度和性能。
摘要: Strang splitting is a widely used second-order method for solving diffusion-reaction problems. However, its convergence order is often reduced to order $1$ for Dirichlet boundary conditions and to order $1.5$ for Neumann and Robin boundary conditions, leading to lower accuracy and reduced efficiency. In this paper, we propose a new splitting approach, called an initial-boundary corrected splitting, which avoids order reduction while improving computational efficiency for a wider range of applications. In contrast to the corrections proposed in the literature, it does not require the computation of correction terms that depend on the boundary conditions and boundary data. Through rigorous analytical convergence analysis and numerical experiments, we demonstrate the improved accuracy and performance of the proposed method.
主题: 数值分析 (math.NA)
MSC 类: 65M12, 65M20, 65L04
引用方式: arXiv:2504.10125 [math.NA]
  (或者 arXiv:2504.10125v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.10125
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Thi Tam Dang [查看电子邮件]
[v1] 星期一, 2025 年 4 月 14 日 11:32:33 UTC (25 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 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