In this paper, we propose and analyse a numerical method to solve 2D Dirichlet time-harmonic elastic wave equations. The procedure is based on the decoupling of the elastic vector field into scalar Pressure ($P$-) and Shear ($S$-) waves via a suitable Helmholtz-Hodge decomposition. For the approximation of the two scalar potentials we apply a virtual element method associated with different mesh sizes and degrees of accuracy. We provide for the stability of the method and a convergence error estimate in the $L^2$-norm for the displacement field, in which the contributions to the error associated with the $P$- and $S$- waves are separated. In contrast to standard approaches that are directly applied to the vector formulation, this procedure allows for keeping track of the two different wave numbers, that depend on the $P$- and $S$- speeds of propagation and, therefore, for using a high-order method for the approximation of the wave associated with the higher wave number. Some numerical tests, validating the theoretical results and showing the good performance of the proposed approach, are presented.


翻译:本文提出并分析了一种解决二维Dirichlet时间谐波弹性波方程的数值方法。该方法基于通过适当的Helmholtz-Hodge分解将弹性向量场分解为标量压力($P$-)波和剪切($S$-)波。我们采用虚拟元素法来逼近这两个标量势,并考虑了不同的网格大小和准确度。我们提供了该方法的稳定性以及位移场的$L^2$-范数下的收敛误差估计,其中分离了与$P$-和$S$-波相关的误差贡献。与直接应用于矢量形式的标准方法不同,此过程允许跟踪取决于$P$-和$S$-传播速度的两个不同波数,并因此为利用高次方法逼近与更高波数相关的波提供了可能。文中给出了一些数值测试,验证了理论结果并展示了所提出方法的良好性能。

0
下载
关闭预览

相关内容

【2023新书】常微分方程的数值方法,134页pdf
专知会员服务
44+阅读 · 2023年2月22日
不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
50+阅读 · 2020年12月14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
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
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
【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
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
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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
0+阅读 · 2013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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年5月8日
Arxiv
0+阅读 · 2023年5月5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
ICLR2019最佳论文出炉
专知
12+阅读 · 2019年5月6日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
【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
相关基金
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
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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
0+阅读 · 2013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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员