Non-hydrostatic atmospheric models often use semi-implicit temporal discretisations in order to negate the time step limitation of explicitly resolving the fast acoustic and gravity waves. Solving the resulting system to convergence using Newton's method is considered prohibitively expensive, and so the non-linear solver is typically truncated to a fixed number of iterations, using an approximate Jacobian matrix that is reassembled only once per time step. Rather than simply using four iterations of a second order Crank-Nicolson time discretisation as is customary, the present article studies the impact of using various third-order, four stage Rosenbrock-Wanner schemes, where instead of a simple time centering, the integration weights are chosen to meet specific stability and order conditions. Rosenbrock-Wanner schemes present a promising alternative on account of their ability to preserve their temporal order with only an approximate Jacobian, and may be constructed to be stiffly-stable, a desirable property in the presence of fast wave dynamics across multiple scales. These schemes are compared to four iterations of a Crank-Nicolson scheme for the solution of the 2D rotating shallow water equations at the 3D compressible Euler equations at both planetary and non-hydrostatic scales are are shown to exhibit improved results in terms of their energetic profiles and stability.


翻译:非静力大气模型通常使用半隐式时间离散化以消除显式解析快速声波和重力波的时间步限制。使用牛顿法解决得到的系统收敛通常被认为代价太高,因此非线性求解器通常被截断为固定次数的迭代,使用近似雅可比矩阵,每个时间步只重新组装一次。与通常使用四个迭代的二阶Crank-Nicolson时间离散化相比,本文研究了使用各种三阶四级的Rosenbrock-Wanner方案的影响,在这些方案中,权重不是简单的时间居中,而是选择权重以满足特定的稳定性和阶条件。 Rosenbrock-Wanner方案因其能够在只有近似雅可比矩阵的情况下保持其时间阶而具有前途,并且可以构造为在多个尺度上具有硬性稳定性的理想特性。这些方案与四个迭代的Crank-Nicolson方案进行比较,以解决2D旋转浅水方程和3D可压缩Euler方程,在行星尺度和非静力尺度上展示了能量特性和稳定性的改进。

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/
【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
专知会员服务
14+阅读 · 2021年5月21日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15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
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1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
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9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
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
0+阅读 · 2017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
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 · 2011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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008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5日
On Feature Normalization and Data Augmentation
Arxiv
15+阅读 · 2020年2月25日
VIP会员
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2017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
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 · 2011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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008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