The time-fractional porous medium equation is an important model of many hydrological, physical, and chemical flows. We study its self-similar solutions, which make up the profiles of many important experimentally measured situations. We prove that there is a unique solution to the general initial-boundary value problem in the one-dimensional setting. When supplemented with boundary conditions from the physical models, the problem exhibits a self-similar solution described with the use of the Erd\'elyi-Kober fractional operator. Using a backward shooting method, we show that there exists a unique solution to our problem. The shooting method is not only useful in deriving the theoretical results. We utilize it to devise an efficient numerical scheme to solve the governing problem along with two ways of discretizing the Erd\'elyi-Kober fractional derivative. Since the latter is a nonlocal operator, its numerical realization has to include some truncation. We find the correct truncation regime and prove several error estimates. Furthermore, the backward shooting method can be used to solve the main problem, and we provide a convergence proof. The main difficulty lies in the degeneracy of the diffusivity. We overcome it with some regularization. Our findings are supplemented with numerical simulations that verify the theoretical findings.


翻译:时间误差介质是许多水文、物理和化学流的重要模型。 我们研究的是其自我相似的解决方案,这些解决方案构成了许多重要的实验性测量情况的特征。 我们证明在一维环境中存在着解决一般初始界限值问题的独特办法。 当由物理模型的边界条件补充时, 问题表现出了使用Erd\'elyi-Kober分数操作器描述的自相似的解决方案。 我们使用后向射击方法, 显示存在解决我们问题的独特方法。 射击方法不仅有助于得出理论结果。 我们利用它来设计一个高效的数字方案, 解决治理问题, 并同时用两种方法将Erd\'elyi-Kober分数衍生物分解开来。 由于后者是非本地操作器, 其数值的实现必须包含一些脱线。 我们找到正确的脱线机制, 并证明一些错误估计。 此外, 后向射击方法可以用来解决主要问题, 我们提供了某种趋同证据。 我们的主要困难在于用它来模拟我们的理论性结论。</s>

0
下载
关闭预览

相关内容

【2023新书】使用Python进行统计和数据可视化,554页pdf
专知会员服务
126+阅读 · 2023年1月29日
专知会员服务
76+阅读 · 2021年3月16日
【干货书】机器学习速查手册,135页pdf
专知会员服务
124+阅读 · 2020年11月20日
强化学习最新教程,17页pdf
专知会员服务
171+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
101+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
14+阅读 · 2017年11月16日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5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 · 2013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
1+阅读 · 2013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
1+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
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
22+阅读 · 2022年2月4日
VIP会员
相关VIP内容
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
14+阅读 · 2017年11月16日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5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 · 2013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
1+阅读 · 2013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
1+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
国家自然科学基金
0+阅读 · 2009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