In this work, we present the construction of two distinct finite element approaches to solve the Porous Medium Equation (PME). In the first approach, we transform the PME to a log-density variable formulation and construct a continuous Galerkin method. In the second approach, we introduce additional potential and velocity variables to rewrite the PME into a system of equations, for which we construct a mixed finite element method. Both approaches are first-order accurate, mass conserving, and proved to be unconditionally energy stable for their respective energies. The mixed approach is shown to preserve positivity under a CFL condition, while a much stronger property of unconditional bound preservation is proved for the log-density approach. A novel feature of our schemes is that they can handle compactly supported initial data without the need for any perturbation techniques. Furthermore, the log-density method can handle unstructured grids in any number of dimensions, while the mixed method can handle unstructured grids in two dimensions. We present results from several numerical experiments to demonstrate these properties.


翻译:翻译摘要:在这项工作中,我们提出了两种不同的有限元法求解多孔介质方程(PME)的方法。在第一种方法中,我们将PME转化为一个对数密度变量的公式,并构建一个连续的Galerkin方法。在第二种方法中,我们引入额外的势和速度变量,将PME改写成一个方程组,并构建一个混合有限元方法。这两种方法都是一阶精度,保证质量相等,并分别证明了它们的能量是无条件稳定的。混合方法在CFL条件下保持正性,而对于对数密度方法,我们证明了更强的无条件保边性质。我们方案的一个新特性是,它们可以处理紧支初值,无需任何扰动技术。此外,对数密度方法可以处理任意维度的非结构化网格,而混合方法可以处理二维的非结构化网格。我们展示了几个数值实验的结果,以证明这些特性。

0
下载
关闭预览

相关内容

【2022新书】谱图理论,Spectral Graph Theory,100页pdf
专知会员服务
74+阅读 · 2022年4月15日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
40+阅读 · 2019年8月9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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
国家自然科学基金
0+阅读 · 2015年12月31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
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 · 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 · 2009年12月31日
Arxiv
0+阅读 · 2023年5月15日
VIP会员
相关资讯
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
40+阅读 · 2019年8月9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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31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
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 · 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 · 2009年12月31日
Top
微信扫码咨询专知VIP会员