三维对流扩散方程非线性的保正有限体积格式研究

来源 :山东大学 | 被引量 : 0次 | 上传用户:Heat05041094
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文提出了一个三维对流扩散方程非线性的保正有限体积离散格式。  首先,针对三维对流扩散方程构造仅含有单元中心未知量的有限体积离散格式,即中心型格式。此格式保正,分扩散和对流两项进行离散。扩散项的离散运用局部守恒得到非线性的两点通量格式;对流项的离散则利用修正的迎风格式,所用节点信息均属于单元面上游一侧。其次,通过对单元节点作约束处理,消去格式中出现的单元节点未知量,此方法得到的节点值保正。最后,对标量和张量扩散系数情况,扩散占优和对流占优问题,分别给出在不同网格(扭曲网格和TetGen剖分的网格)上的数值算例。结果表明该格式数值解的误差近似二阶精度,通量的误差高于一阶精度,且健壮有效。  本文的难点是对流项迎风格式离散中原有的斜率限制技术相当复杂,推广到三维问题中计算量很大。本文的创新点是对流项离散不依赖斜率限制技术,而是利用四面体的几何结构,运用Taylor展开和方向梯度转换得到高精度的离散方法。与已有格式相比,该方法较好的解决了对流项的离散,提高了计算效率,并且适用性强。
其他文献
L-函数在中心值处的非零问题是现代数论中的一个重要课题,它在BSD猜想,谱变形理论以及经典解析数论中有着重要的应用.目前,研究非零问题的典型方法就是研究L-函数族在中心值处的
支持向量机(SVM)是在统计学理论和最优化理论的基础上发展起来的一种机器学习方法,它有效地解决了局部极小点、小样本、非线性、高维数等实际问题,从而有力地推动了机器学习理论
2008年,徐宗本提出了在Lq(0<q≤1)正则化中具有代表性的L1/2正则化方法。文献[18,20,30]中指出,L1/2正则化能产生比L1正则化更稀疏的解,因此,它为求解稀疏问题提供了一种潜在的有力
学位
随着计算机信息技术和互联网的发展和进步,数字图像逐渐成为人们获得和利用视觉信息的重要中介和手段。相比于文字和声音,数字图像蕴含的信息量更大、更直观。然而,图像在生成和