In this paper, a new implicit-explicit local method with an arbitrary order is produced for stiff initial value problems. Here, a general method for one-step time integrations has been created, considering a direction free approach for integrations leading to a numerical method with parameter-based stability preservation. Adaptive procedures depending on the problem types for the current method are explained with the help of local error estimates to minimize the computational cost. Priority error analysis of the current method is made, and order conditions are presented in terms of direction parameters. Stability analysis of the method is performed for both scalar equations and systems of differential equations. The currently produced parameter-based method has been proven to provide A-stability, for 0.5<\theta<1, in various orders. The present method has been shown to be a very good option for addressing a wide range of initial value problems through numerical experiments. It can be seen as a significant contribution that the Susceptible-Exposed-Infected-Recovered equation system parameterized for the COVID-19 pandemic has been integrated with the present method and stability properties of the method have been tested on this stiff model and significant results are produced. Some challenging stiff behaviours represented by the nonlinear Duffing equation, Robertson chemical system, and van der Pol equation have also been integrated, and the results revealed that the current algorithm produces much more reliable results than numerical techniques in the literature.


翻译:在本文中,针对初始值的严酷问题,产生了一种新的隐含、含任意顺序的局部方法。在这里,为一步时间整合制定了一种一般方法,考虑采用一种无方向的整合方法,以得出基于参数的稳定性保存的数值方法。根据当前方法的问题类型解释适应程序,以当地误差估计为根据,以尽量减少计算成本。对当前方法进行了优先误差分析,按方向参数提出了顺序条件。对标价方程和差异方程系统进行了稳定分析。目前制作的基于参数的集成方法已被证明能够提供A的可耐用性,在各种顺序中为0.5 ⁇ theta < 1提供A的可耐性。目前的方法已被证明是一个非常好的选择,通过数字实验解决一系列初步价值问题。可以认为,对当前方法进行优先误差分析,从方向参数参数的角度对当前方法进行排序的公式系统进行了稳定分析。对当前方法的方法和差异方程的稳定性特性进行了分析。目前采用的基于参数的方法已被证明为A的可耐用性,在这种硬性模型上提供了A-thetata < 1,并且通过不具有相当挑战性的方程的方程的计算结果。

0
下载
关闭预览

相关内容

Integration:Integration, the VLSI Journal。 Explanation:集成,VLSI杂志。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/journals/integration/
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
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9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
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+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
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+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
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员