Solving an acoustic wave equation using a parabolic approximation is a popular approach for many available ocean acoustic models. Commonly used parabolic equation (PE) model programs, such as the range-dependent acoustic model (RAM), are discretized by the finite difference method (FDM). Considering the idea and theory of the "split-step" parabolic approximation, a discrete PE model using the Chebyshev spectral method (CSM) is derived, and the code is developed. We use the problems of two ideal fluid waveguides as examples, i.e., one with a constant sound speed in shallow water and one with a Munk sound speed profile in the deep ocean. The correctness of the discrete PE model using the CSM to solve a simple underwater acoustic propagation problem is verified. The test results show that compared with the finite difference discrete PE model, the proposed method in this paper has a higher accuracy in the calculation of underwater acoustic propagation in a simple marine environment and requires fewer discrete grid points. However, the proposed method has a longer running time than the finite difference discrete PE program. Thus, it is suitable to provide high-precision reference standards for the benchmark examples of the PE model.


翻译:使用抛物线近光线解决声波方程式是许多现有海洋声学模型的一种流行方法。通常使用的抛物线方程模型(PE)模型程序,例如以射线为主的声学模型(RAM),通过有限差分法(FDM)分离。考虑到“分步”抛物线近光线的理论和理论,将产生一个使用Chebyshev光谱法(CSM)的离散PE模型,并开发了代码。我们用两种理想流体波导导的问题作为例子,即浅水中保持恒定音速,深海中有一个沉积音速剖面模型。使用离散的PE模型解决简单的水下声学传播问题的正确性得到了验证。测试结果表明,与有限离散PE模型相比,本文件中的拟议方法在计算水下声学传播的精确度较高,需要更少的离心电网点。但是,拟议方法比离子光谱模型程序运行的参考时间更长。因此,它适合提供高精度标准。

0
下载
关闭预览

相关内容

Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12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
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
CreateAMind
5+阅读 · 2018年12月28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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年2月5日
VIP会员
相关VIP内容
相关资讯
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
CreateAMind
5+阅读 · 2018年12月28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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员