The propagation of sound waves in a horizontally stratified environment, a classic problem in ocean acoustics, has traditionally been calculated using normal modes. Most programs based on the normal mode model are discretized using the finite difference method (FDM). In this paper, a Legendre collocation method (LCM) based on domain decomposition is proposed to solve this problem. A set of collocation points cannot penetrate multiple layers of media, thus necessitating domain decomposition and the use of multiple sets of collocation points. The solution process of this method proceeds entirely in physical space, requiring that the original differential equation be strictly established at the collocation points; thus, a dense matrix eigenvalue system is formed, from which the solution for the horizontal wavenumbers and modes can be directly obtained. Numerical experiments are presented to demonstrate the validity and applicability of this method. A comparison with other methods shows that the LCM proposed in this article is more accurate than the FDM and offers roughly the same accuracy as but a faster calculation speed than other types of spectral methods.


翻译:声波在水平分层环境中的传播,这是海洋声学中的一个典型问题,传统上是使用正常模式计算出来的。基于普通模式模型的大多数程序都是使用有限差分法(FDM)分离的。本文建议采用基于域分解的图伦卓合用法(LCM)解决这个问题。一组合用点不能穿透多层媒体,从而使得域分解和使用多组合用点成为必要。这种方法的解决过程完全在物理空间进行,要求将原始差分方程式严格固定在合用点;因此,形成了一个密集的矩阵电子值系统,从中可以直接获得水平波数和模式的解决方案。提出了数字实验,以证明这一方法的有效性和适用性。与其他方法的比较表明,本条中提议的LCM比FDM更准确,比其他光谱方法的精确度要近,但计算速度要快于其他类型的光谱方法。

0
下载
关闭预览

相关内容

专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
42+阅读 · 2020年12月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
3+阅读 · 2019年1月15日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
Model-based clustering of partial records
Arxiv
0+阅读 · 2021年7月19日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
3+阅读 · 2019年1月15日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
Top
微信扫码咨询专知VIP会员