The numerical analysis of time fractional evolution equations with the second-order elliptic operator including general time-space dependent variable coefficients is challenging, especially when the classical weak initial singularities are taken into account. In this paper, we introduce a concise technique to construct efficient time-stepping schemes with variable time step sizes for two-dimensional time fractional sub-diffusion and diffusion-wave equations with general time-space dependent variable coefficients. By means of the novel technique, the nonuniform Alikhanov type schemes are constructed and analyzed for the sub-diffusion and diffusion-wave problems. For the diffusion-wave problem, our scheme is constructed by employing the recently established symmetric fractional-order reduction (SFOR) method. The unconditional stability of proposed schemes is rigorously discussed under mild assumptions on variable coefficients and, based on reasonable regularity assumptions and weak time mesh restrictions, the second-order convergence is obtained with respect to discrete $H^1$-norm. Numerical experiments are given to demonstrate the theoretical statements.


翻译:在本文件中,我们引入了一种简明技术,用于为二维时间分分分分分扩散和扩散波变异方程式制定有效的时间步骤计划,为两维时间分分分分扩散和扩散波变异系数制定可变时间步骤大小计划;通过新技术,为次扩散和传播波问题建立非单向Alikhanov型计划并进行分析。关于扩散波问题,我们的计划是采用最近建立的对称分级削减法(SFOR)方法构建的。在对可变系数的轻度假设下,严格讨论了拟议计划的无条件稳定性,并根据合理的正常假设和对时间网格限制,对离散的1H1美元-norm进行了二级趋同。做了数字实验,以展示理论说明。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
【新书】Python编程基础,669页pdf
专知会员服务
193+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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 Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7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
VIP会员
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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 Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7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