We consider a new coarse space for the ASM and RAS preconditioners to solve elliptic partial differential equations on perforated domains, where the numerous polygonal perforations represent structures such as walls and buildings in urban data. With the eventual goal of modelling urban floods by means of the nonlinear Diffusive Wave equation, this contribution focuses on the solution of linear problems on perforated domains. Our coarse space uses a polygonal subdomain partitioning and is spanned by Trefftz-like basis functions that are piecewise linear on the boundary of a subdomain and harmonic inside it. It is based on nodal degrees of freedom that account for the intersection between the perforations and the subdomain boundaries. As a reference, we compare this coarse space to the well-studied Nicolaides coarse space with the same subdomain partitioning. It is known that the Nicolaides space is unable to prevent stagnation in convergence when the subdomains are not connected; we work around this issue by separating each subdomain by disconnected component. Scalability and robustness are tested for multiple data sets based on realistic urban topography. Numerical results show that the new coarse space is very robust and accelerates the number of Krylov iterations when compared to Nicolaides, independent of the complexity of the data.


翻译:本文考虑在扑孔区域上求解椭圆偏微分方程的ASM和RAS预处理器的新型粗模空间,其数值模拟城市洪涝等灾害的发生与扩散。通过使用新型的多边形子域分裂算法,粗模空间采用分段线性的Trefftz样式基函数,在子域边界上是连续的,在其内部是调和的。该粗模空间使用节点自由度来描述扑孔区域与子域边界的交点。我们将其与已有的 Nicolaides 模型进行对比,文中特意解决 Nicolaides 模型在扑孔区域未连接时容易出现收敛停滞的问题。我们在多组包含真实城市地形的数据集上进行了测试,表明新型粗模空间相较于 Nicolaides,具有更高的计算可扩展性和更好的数值解法稳定性,无论数据的复杂性如何,都可以加快 Krylov 迭代的收敛速度。

0
下载
关闭预览

相关内容

抢鲜看!13篇CVPR2020论文链接/开源代码/解读
专知会员服务
49+阅读 · 2020年2月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
MoCoGAN 分解运动和内容的视频生成
CreateAMind
18+阅读 · 2017年10月21日
国家自然科学基金
3+阅读 · 2017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 · 2015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 · 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 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2023年5月22日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
MoCoGAN 分解运动和内容的视频生成
CreateAMind
18+阅读 · 2017年10月21日
相关基金
国家自然科学基金
3+阅读 · 2017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 · 2015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 · 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 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员