Non-hydrostatic atmospheric models often use semi-implicit temporal discretisations in order to negate the time step limitation of explicitly resolving the fast acoustic and gravity waves. Solving the resulting system to convergence using Newton's method is considered prohibitively expensive, and so the non-linear solver is typically truncated to a fixed number of iterations, using an approximate Jacobian matrix that is reassembled only once per time step. Rather than simply using four iterations of a second order Crank-Nicolson time discretisation, the present article studies the impact of using various third-order, four stage Rosenbrock-Wanner schemes, where instead of a simple time centreing, the integration weights are chosen to meet specific stability and order conditions. Rosenbrock-Wanner schemes present a promising alternative on account of their ability to preserve their temporal order with only an approximate Jacobian, and may be constructed to be stiffly-stable, a desirable property in the presence of fast wave dynamics across multiple scales. These schemes are compared to four iterations of a Crank-Nicolson scheme for the solution of the 2D rotating shallow water equations and the 3D compressible Euler equations at both planetary and non-hydrostatic scales and are shown to exhibit improved results in terms of their energetic profiles and stability.


翻译:非静力气象模型通常使用半隐时间离散化以消除明确解析快速声波和重力波的时间步长限制。使用牛顿法将结果系统收敛被认为代价太高,因此非线性求解器通常被截断为固定次数的迭代,并使用近似雅可比矩阵,仅在每个时间步更新一次。本文研究了使用各种三阶四阶罗森布罗克-瓦纳方案,而不是一种简单的二阶克兰克-尼科尔森时间离散化的影响,其中选择积分权重满足特定的稳定性和阶条件。罗森布罗克-瓦纳方案具有保持时间阶的能力,仅需要近似雅可比矩阵,并可构造成具有在多个尺度上存在快速波动的难稳定的理想特性。这些方案与四次迭代的克兰克-尼科尔森方案进行比较,用于解决二维旋转浅水方程和三维可压缩欧拉方程,在行星和非静态尺度上展示出在能量轮廓和稳定性方面改进的结果。

0
下载
关闭预览

相关内容

不可错过!700+ppt《因果推理》课程!杜克大学Fan Li教程
专知会员服务
69+阅读 · 2022年7月11日
专知会员服务
25+阅读 · 2021年4月2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
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10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
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
1+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 · 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 · 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
1+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 · 2023年6月2日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
1+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 · 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 · 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
1+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