In this paper, a mixed high order finite difference scheme-Pad\'{e} approximation method is applied to obtain numerical solution of the Riesz fractional advection-dispersion equation. This method is based on the high order finite difference scheme that derived from fractional centered difference and Pad\'{e} approximation method for space and time integration, respectively. The stability analysis of the proposed method is discussed via theoretical matrix analysis. Numerical experiments are carried out to confirm the theoretical results of the proposed method.


翻译:在本文中,采用了一种混合高排序有限差分法-Pad\'{e}近似法,以获得Riesz 分对流-分散方程式的数值解决方案。该方法基于分别从分偏差和Pad\'{e}空间和时间集成近似法得出的高排序有限差分法。对拟议方法的稳定性分析通过理论矩阵分析加以讨论。进行了数值实验,以确认拟议方法的理论结果。

0
下载
关闭预览

相关内容

专知会员服务
61+阅读 · 2020年3月4日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
4+阅读 · 2019年1月14日
Arxiv
7+阅读 · 2018年1月21日
VIP会员
相关资讯
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4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