在自然科学的众多领域中,许多现象都是用扩散方程描述的,因此扩散方程的有限差分方法一直是人们关心的焦点。随着并行机的问世和发展,传统的有限差分方法在不同方面暴露出各自的弱点,因此需要构造具有良好稳定性,并行性和计算精度的新的差分方法。基于区域分解、交替分组显式和并行计算思想,对二维、三维(非线性)扩散方程构造若干新的差分格式,虽然是隐式的,但可显式地并行求解。并且相应差分格式的交替使用导致截断误差中的主要项符号相反,从而抵消以提高算法的精度,并通过理论分析给出此类算法的稳定性和收敛性分析。然后选择合适的设计并行算法的方法,进行编程,最后在计算资源上完成算法的实现,通过具体的数值算例验证此类算法的有效性和精确性。
本项目针对二维(变系数)扩散方程提出了一类有效的显式并行算法。基于区域分解、交替分组显式和并行计算思想,构造了若干新的差分格式,虽然是隐式的,但可显式地并行求解。并且相应差分格式的交替使用导致截断误差中的主要项符号相反,从而抵消以提高算法的精度,并通过理论分析给出此类算法的稳定性和收敛性分析。然后在计算资源上完成了算法的实现,试验数据结果表明此类算法是有效的,精确而实用的。最后撰写论文3篇,1篇已发表,另外2篇在送审中,参加国际学术交流会议1次。
{{i.achievement_title}}
数据更新时间:2023-05-31
F_q上一类周期为2p~2的四元广义分圆序列的线性复杂度
惯性约束聚变内爆中基于多块结构网格的高效辐射扩散并行算法
平行图像:图像生成的一个新型理论框架
职场排斥视角下服务破坏动因及机制研究——基于酒店一线服务员工的实证研究
采用黏弹性人工边界时显式算法稳定性条件
Navier-Stokes方程隐式/显式数值格式的理论分析和算法实现
不可分哈密顿问题的显式高阶对称法构造与应用
一类新型递归神经网络的模型设计、实现与应用
一类保守系统中的轨道扩散问题