In this work we present a structure preserving discretization for turbidity currents based on a mass-, energy-, enstrophy-, and vorticity-conserving formulation for 2D incompressible flows. This discretization exploits a dual-field formulation for the time evolution of the velocity and vorticity fields together with the transport equation for the particles. Due to its staggered time integration the resulting system of equations is quasi-linear, eliminating the need to solve for a fully nonlinear system of equations. It is shown that this discretization preserves the energy balance equation up to a bounded residual due to the staggering in time of the velocity and vorticity. This leads to a numerical scheme that does not introduce artificial energy dissipation. A comparison with literature results is presented showing that this approach can retrieve the dynamics of the system with a much smaller number of degrees of freedom.


翻译:在这项工作中,我们提出了一个结构,根据质量、能量、营养、以及2D不可压缩流的富集性配方,为不稳定的电流保持离散性。这种离散性利用了速度和富集性领域的时间演进的双重场配方以及粒子的迁移方程。由于时间交错,由此产生的方程系统是准线性的,因此不需要解决完全非线性方程系统的问题。事实证明,这种离散性将能量平衡方程式保留到由于速度和易碎性时间的摇晃而封闭的剩余部分。这导致了一个不引入人为能量分解的数值图案。与文献结果的比较表明,这种方法可以以少得多的自由度恢复系统的动态。

0
下载
关闭预览

相关内容

知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
已删除
将门创投
8+阅读 · 2018年10月31日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Linguistically Regularized LSTMs for Sentiment Classification
黑龙江大学自然语言处理实验室
8+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
已删除
将门创投
8+阅读 · 2018年10月31日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Linguistically Regularized LSTMs for Sentiment Classification
黑龙江大学自然语言处理实验室
8+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员