Exponential time integrators have been applied successfully in several physics-related differential equations. However, their application in hyperbolic systems with absorbing boundaries, like the ones arising in seismic imaging, still lacks theoretical and experimental investigations. The present work conducts an in-depth study of exponential integration using Faber polynomials, consisting of a generalization of a popular exponential method that uses Chebyshev polynomials. This allows solving non-symmetric operators that emerge from classic seismic wave propagation problems with absorbing boundaries. Theoretical as well as numerical results are presented for Faber approximations. One of the theoretical contributions is the proposal of a sharp bound for the approximation error of the exponential of a normal matrix. We also show the practical importance of determining an optimal ellipse encompassing the full spectrum of the discrete operator, in order to ensure and enhance convergence of the Faber exponential series. Furthermore, based on estimates of the spectrum of the discrete operator of the wave equations with a widely used absorbing boundary method, we numerically investigate stability, dispersion, convergence and computational efficiency of the Faber exponential scheme. Overall, we conclude that the method is suitable for seismic wave problems and can provide accurate results with large time step sizes, with computational efficiency increasing with the increase of the approximation degree.


翻译:在几个与物理有关的差异方程式中成功地应用了时间指数整合器。然而,在具有吸收界限的双曲系统(如地震成像中产生的系统)中,它们的应用仍然缺乏理论和实验性调查。目前的工作是深入研究使用Faber 多元复合体的指数整合法,其中包括对使用Chebyshev 多元分子系列的流行指数方法进行概括化研究。这样可以解决典型地震波传播问题和吸收边界产生的非对称操作器。为Faber近似提供了理论和数字结果。理论贡献之一是提议对正常矩阵指数的近似误进行精确约束。我们还表明,确定一个包含离散操作器全谱的最佳椭圆,以确保和增强Faber 指数序列的趋同。此外,根据广泛使用的吸收边界法对波方程式离散操作器的频谱估计,我们从数字上调查法伯指数性计划的稳定、分散、趋同和计算效率。总体而言,我们得出的结论是,确定一个包含离散操作器全谱操作器的最佳灵率,以便精确地进行地震测测测测算。我们能够提高地震波的精确度。

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/
专知会员服务
60+阅读 · 2020年3月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11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
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24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
1+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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009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 · 2022年12月21日
Arxiv
38+阅读 · 2021年8月31日
VIP会员
相关资讯
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium5
中国图象图形学学会CSIG
1+阅读 · 2021年11月11日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
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
1+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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009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