We develop an adjoint approach for recovering the topographical function included in the source term of one-dimensional hyperbolic balance laws. We focus on a specific system, namely the shallow water equations, in an effort to recover the riverbed topography. The novelty of this work is the ability to robustly recover the bottom topography using only noisy boundary data from one measurement event and the inclusion of two regularization terms in the iterative update scheme. The adjoint scheme is determined from a linearization of the forward system and is used to compute the gradient of a cost function. The bottom topography function is recovered through an iterative process given by a three-operator splitting method which allows the feasibility to include two regularization terms. Numerous numerical tests demonstrate the robustness of the method regardless of the choice of initial guess and in the presence of discontinuities in the solution of the forward problem.


翻译:我们为恢复单维双曲平衡法来源术语中包含的地形功能制定了一个联合方法。我们侧重于一个特定的系统,即浅水方程式,以努力恢复河床地形。这项工作的新颖之处是,能够仅使用一个测量事件的噪音边界数据来大力恢复底部地形学,并在迭代更新计划中加入两个正规化术语。该联合方案从远端系统的线性化中确定,用于计算成本函数的梯度。底层地形学功能通过由三者分裂法提供的迭接程序回收,该程序允许将两个正规化术语纳入其中。许多数字测试都表明该方法的稳健性,不论最初猜想的选择如何,在解决前方问题时存在不连续性。

0
下载
关闭预览

相关内容

【经典书】线性代数元素,197页pdf
专知会员服务
55+阅读 · 2021年3月4日
【经典书】精通Linux,394页pdf
专知会员服务
92+阅读 · 2021年2月19日
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
71+阅读 · 2020年8月2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
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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
AI/ML/DNN硬件加速设计怎么入门?
StarryHeavensAbove
10+阅读 · 2018年12月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
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
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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
AI/ML/DNN硬件加速设计怎么入门?
StarryHeavensAbove
10+阅读 · 2018年12月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员