求解一维理想磁流体方程的移动网格熵稳定格式

磁流体方程的数值求解在等离子体物理学、天体物理研究以及流动控制等领域具有重要意义,本文构造了用于求解理想磁流体动力学方程的基于移动网格的熵稳定格式,此方法将Roe型熵稳定格式与自适应移动网格算法结合,空间方向采用熵稳定格式对磁流体动力学方程进行离散,利用变分法构造网格演化方程并通过Gauss-Seidel迭代法对其迭代求解实现网格的自适应分布,在此基础上采用守恒型插值公式实现新旧节点上的量值传递,利用三阶强稳定Runge-Kutta方法将数值解推进到下一时间层。数值实验表明,该算法能有效捕捉解的结构(特别是激波和稀疏波),分辨率高,通用性好,具有强鲁棒性。     

求解二维浅水波方程的旋转混合格式

针对二维浅水波方程数值求解问题，构造了一种旋转通量混合格式。空间方向上，该算法利用浅水波方程通量函数的旋转不变性，在单元界面法线方向及单元界面切线方向上采用可消除红斑现象的HLL与满足热力学第二定律的熵稳定加权混合数值通量函数，时间方向上采用三阶强稳定Runge-Kutta法。数值结果表明，该混合格式对于二维浅水波方程数值求解具有分辨率高的良好特性。     

机器学习在求解一维双曲守恒律方程中的应用

双曲守恒律方程对空气动力学、物理学和海洋学等众多领域问题的计算有着重大意义,本文应用机器学习框架下的BP神经网络对双曲守恒律方程近似求解。首先,采用熵稳定格式及基于自适应移动网格的熵稳定格式所得多个时间层的数值解构造网络输入,采用高分辨率熵稳定格式所得对应的多个时间层的数值解构造网络输出,并对数据集作归一化处理。随后,利用三层的BP神经网络训练数据,从而得到性能良好的神经网络,以实现对任一给定时间层节点处数值解的预测。最后,通过五个数值算例表明该算法适用于该类问题的解决,数值结果分辨率高,且无非物理振荡产生。