We assess the performance of a set of local time-stepping schemes for the shallow water equations implemented in the global ocean model MPAS-Ocean. The availability of local time-stepping tools is of major relevance for ocean codes such as MPAS-Ocean, which rely on a multi-resolution approach to perform regional grid refinement, for instance in proximity of the coast. In presence of variable resolution, the size of the time-step of explicit numerical integrators is bounded above by the size of the smallest cell on the grid, according to the Courant-Friedrichs-Lewy (CFL) condition. This constraint means that the time-step size used in low resolution regions must be the same as the one used in high resolution regions, resulting in an unnecessary computational effort. Local time-stepping, on the other hand, allows one to select different time-step sizes according to local, rather than global, CFL conditions, resulting in a more tailored integration process and reduced computational times. The present work is a preliminary but necessary effort aimed at paving the way for a more comprehensive work on local time-stepping for the primitive equation set with realistic geography.


翻译:我们评估了全球海洋模型(MPAS-Ocean)中实施的一套浅水方程式当地时间分步办法的绩效。当地时间分步办法的可用性对于海洋法规(如MPAS-Ocean)具有重大意义,例如,海洋模型(MPAS-Ocean)依赖多分辨率方法来进行区域网格的完善,例如,在海岸附近。在有可变分辨率的情况下,明确数字集成者的时间分步办法的大小受网格中最小单元的大小所限制,根据Curant-Friedrichs-Lewy (CFL) 的条件。这一限制意味着低分辨率区域使用的时间分步办法的规模必须与高分辨率区域所用的相同,从而导致不必要的计算努力。另一方面,地方时间分步办法允许根据当地而非全球的CFL条件选择不同的时间段大小,导致更有针对性的集成过程和减少计算时间。目前的工作是一项初步但必要的努力,目的是为更全面的当地时间段工作铺平方形的原始方程地理。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
72+阅读 · 2020年8月2日
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+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
【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
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年8月12日
On the Explanatory Power of Decision Trees
Arxiv
0+阅读 · 2021年8月11日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
72+阅读 · 2020年8月2日
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+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
【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
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员