The wavenumber integration method is considered to be the most accurate algorithm of arbitrary horizontally stratified media in computational ocean acoustics. Compared with normal modes, it contains not only the discrete spectrum of the wavenumber but also the components of the continuous spectrum, eliminating errors in the model approximation for horizontally stratified media. Traditionally, analytical and semianalytical methods have been used to solve the depth-separated wave equation of the wavenumber integration method, and numerical solutions have generally focused on the finite difference method and the finite element method. In this paper, an algorithm for solving the depth equation with the Chebyshev--Tau spectral method combined with the domain decomposition strategy is proposed, and a numerical program named WISpec is developed accordingly. The algorithm can simulate both the sound field excited by a point source and the sound field excited by a line source. The key idea of the algorithm is first to discretize the depth equations of each layer by using the Chebyshev--Tau spectral method and then to solve the equations of each layer simultaneously by combining boundary and interface conditions. Several representative numerical experiments are devised to test the accuracy of `WISpec'. The high consistency of the results of different models running under the same configuration proves that the numerical algorithm proposed in this paper is accurate, reliable, and numerically stable.


翻译:波数集成法被认为是计算海洋声学中任意水平分层介质的最精确算法。 与正常模式相比, 它不仅包含波数的离散频谱, 而且还包含连续频谱的组件, 消除水平分层介质模型近似中的错误。 传统上, 分析和半分析法一直用于解决波数集集成法的深度分离波方程, 数字解决方案一般侧重于有限差异法和有限元素法。 在本文中, 提出了一个与切比舍夫- 陶光谱法相结合的深度方程, 并结合域分解战略, 并相应地开发了一个名为WISpec 的数字程序。 算法可以模拟由点源和线源所激化的音域。 算法的关键思想是首先使用 Chebyshev- Tau 光谱法将每个层的深度方程式分解开来, 然后通过合并边界和界面同时解决每个层的方程方程。 几个有代表性的数值实验, 以这个具有代表性的精确性的文件模型的精确度测试了“ ” 。 。 以不同的数值模型的精确性, 。 以不同的数值模型的精确性 。

0
下载
关闭预览

相关内容

Integration:Integration, the VLSI Journal。 Explanation:集成,VLSI杂志。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/journals/integration/
【NUS-Xavier教授】注意力神经网络,79页ppt
专知会员服务
62+阅读 · 2021年11月25日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年7月18日
Arxiv
0+阅读 · 2022年7月17日
Arxiv
0+阅读 · 2022年7月15日
Arxiv
19+阅读 · 2018年10月25日
VIP会员
相关VIP内容
相关资讯
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员