FM-BEM中求解器改进与Legendre级数基本解误差分析

来源 :燕山大学 | 被引量 : 0次 | 上传用户:Kingt1
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
快速多极边界元法(FM-BEM)是快速多极展开法(FMM)与边界元法(BEM)相结合产生的。FMM法是基于球谐函数在空间中的多极展开,并采用递归算法结构使计算量级降为O( N)阶的一种近似计算方法。在BEM的实现过程中,一个很关键的部分就是对最终形成线性方程组的求解。Krylov子空间的广义极小残余算法(GMRES(m))就是比较有效的求解器。但由于在执行GMRES(m)算法时,参数m一旦确定,则在整个迭代过程当中将保持不变。所以,参数m的选择成为影响算法有效执行的主要因素之一。基于此,论文在以下几个方面进行了深入研究:  首先,对位势问题Legendre级数多极边界元法进行了研究。分析了Legendre级数展开多极边界元法求解三维位势问题的截断误差,给出了Legendre级数展开多极边界元法的远近场划分准则,证明了截断误差与截断项数和划分半径有关,并给出了位势问题基本解的截断误差表达式。这在实际的计算中发挥着重要的作用。  其次,通过深入研究 GMRES(m)算法的基本思想,提出了一种变参数重启动GMRES(m)算法,即VRP-GMRES(m)算法。该算法通过适当的改变GMRES(m)算法中的重启动参数m,成功地解决了执行GMRES(m)算法时因参数m选择不当而造成的迭代停滞问题。将该算法作为FM-BEM的求解器求解了三维弹性问题,结果表明VRP-GMRES(m)算法是可行的、有效的。  最后,将Householder变换运用到GMRES(m)算法中,并结合变参数重启动,提出一种新的重启动VHGMRES(m)算法,利用残余向量 m?1r在rm上的投影,从理论上证明了新算法不仅收敛,而且计算精度更高,同时给出数值算例加以验证。
其他文献
这篇文章以更新理论在非寿险中的应用为出发点,从保险中遇到的各种盈余过程为基础,研究了与破产概率相关的各种精算量。我们建立了几个更新方程和微分积分方程,应用微积分和Laplace变换等方法,得到了一些精算量的相关性质,如显式表达式,渐近表达式和不等式。我们研究了索赔间隔为Erlang(3)更新风险模型中破产时间的矩,非齐次泊松风险模型和带随机投资的更新风险模型中的有限时间的破产概率,更新风险模型中亚
Z.Pawlak于1982年提出的粗糙集理论,是一种新的处理不确定知识的数学工具.本文主要利用格、Quantale上的同余关系和集值同态,分别建立格和Quantale上的粗糙集和广义粗糙集,通过
粗糙集理论是有效地处理不完备、不确定性数据的一种数学工具,被广泛地应用在人工智能和数据挖掘等领域.覆盖粗糙集理论是经典粗糙集理论的推广,每一个覆盖被认为是一个粒度,
“面对生物大数据,如何建立数学模型进行大数据的快速处理与有效分析,从而最大程度地发现隐藏在数据中的重要信息”是当今生物数学领域的重要研究课题。本文从生物序列出发,以序
摘 要:石化企业在产生巨大经济效益的同时,污染环境的案例也屡见不鲜。石油化学工业的迅猛发展,一方面给人类生活带来了经济效益,另一方面石化产品的危险和危害性也对人的生命、健康和生活环境造成了很大的威胁。  关键词:污染现状 原因 对策  一、石化企业环境污染  石油化工的生产过程中要经过高温、高压、深冷等各种复杂工艺,且规模大流程长,因此能源消耗大,产生的污染物数量大,品种多。产生“三废”的种类和数
分类与回归是机器学习领域的两大重要问题.研究过程中,人们通常采用与之相关的学习算法来处理这两类问题.由于学习算法的泛化性能是通过学习算法的泛化误差界来刻画的,为此,
在近年来模糊时间序列模型的研究中,论域划分的好坏直接影响着预测精度的准确性,论域的划分扮演着重要的角色。因此,如何合理有效的进行论域划分成为专家学者们广泛关注的问题,本
学位
枢纽中心选址问题研究的是如何对枢纽中心进行选址以及确定商品运输路线的问题。在实际选址过程中,商品的需求往往具有不确定性,决策者会面对一个随机性和模糊性同时出现的复
网络优化问题以及网络改进问题是图论和组合最优化领域的一个重要的研究方向。这些问题在现实生活中有广泛的应用,研究其具有重要的意义。网络优化问题主要研究如何在一定的