[論文レビュー] A Mathematica Program for heat source function of 1D heat equation reconstruction by three types of data

Tomasz M. Łapiński, Sergey Leble|arXiv (Cornell University)|Oct 26, 2014

Numerical methods in inverse problems参考文献 5被引用数 3

ひとこと要約

本稿では、1次元熱方程式における熱源関数の再構成を目的とした、Mathematicaを用いた計算フレームワークを提示する。使用するデータタイプは3種類：一点での時系列データ、固定時刻における均等な空間的測定点、およびランダムな空間時間的データ。Tikhonov正則化を用い、真の源関数との誤差を最小化する手法と、測定誤差を用いた不一致原理の2つの正則化パラメータ選択戦略を採用。逆問題が不適切に定義されているにもかかわらず、安定的かつ高精度な再構成を実現している。

ABSTRACT

We solve an inverse problem for the one-dimensional heat diffusion equation. We reconstruct the heat source function for the three types of data: 1) single position point and different times, 2) constant time and uniformly distributed positions, 3) random position points and different times. First we demonstrate reconstruction using simple inversion of discretized Kernel matrix. Then we apply Tikhonov regularization for two types of the parameter of regularization estimation. The first one, which is in fact exemplary simulation, is based on minimization of the distance in C space of reconstructed function to the initial source function. Second rule is known as Discrepancy principle. We generate the data from the chosen source function. In order to get some measure of accuracy of reconstruction we compare the result with the function from which data was generated. We also deliver corresponding application in symbolic computation environment of Mathematica. The program has a lot of flexibility, it can perform reconstruction for much more general input then one considered in the paper.

研究の動機と目的

• 1次元熱方程式における限られた温度測定値から熱源関数を再構成する不適切に定義された逆問題に対処すること。
• さまざまなデータ構成に対応できる柔軟な記号計算ツールをMathematicaで開発すること。
• Tikhonov正則化を用いた2つのパrameter選択ルール（誤差最小化と不一致原理）の有効性を評価すること。
• 正則化が解を安定化させ、ノイズが多いまたは疎なデータでも高精度な源再構成を可能にすることを示すこと。
• 提示されたケースを超えて多様な入力パrameterとデータタイプを扱える再利用可能で拡張可能なプログラムを提供すること。

提案手法

• フーリエ級数展開を用いて、逆問題を第一種のFredholm積分方程式として定式化する。
• 核行列を離散化することで、条件数が非常に大きな線形系に変換する。
• 関数的 $ M^{eta}(f) = \|Kf - u\|^2 + \alpha \|f\|^2 $ を用いたTikhonov正則化により、不適切に条件付けられた系を安定化する。
• 正則化パrameter選択の2通りの手法を実装：(1) 再構成された源と真の源との間のL2誤差を最小化、(2) 測定誤差 $ \delta $ を用いた不一致原理。
• Mathematicaにおける記号計算を活用し、正則化された系を数値的に解き、3種類のすべてのデータタイプの再構成を生成する。
• 行列定式化の過程で時間的または空間的非一様サンプリングを補正するため、離散化重み $ h_i $ と $ h_s $ を適用する。

実験結果

リサーチクエスチョン

• RQ1 Tikhonov正則化は、さまざまなデータ構成下で1次元熱方程式の逆源問題を効果的に安定化できるか？
• RQ2 誤差最小化と不一致原理の2つの正則化パrameter選択法の違いが、再構成精度にどのように影響するか？
• RQ3 再構成品質は、一点での時系列データ、固定時刻における空間データ、ランダムな空間時間的サンプルといったデータタイプにどの程度依存するか？
• RQ4 Mathematicaにおける記号的実装は、実世界の逆問題応用における柔軟性と拡張性をどのように支援するか？
• RQ5 測定誤差と数値精度の影響は、源再構成の安定性と精度にどのような影響を及えるか？

主な発見

• 正則化なしでは、問題の不適切に定義された性質のため、不安定で不正確な再構成が得られる。
• Tikhonov正則化により解が効果的に安定化され、視覚的および定量的に真の源関数に近い再構成が得られる。
• 不一致原理を用いた正則化パrameter選択は、真の源関数の事前知識がなくても、安定的かつ高精度な再構成を実現する。
• 真の源関数との誤差を最小化する手法は優れた結果をもたらすが、元の源関数の知識が必要なため、実世界応用には制限がある。
• 1点での時系列データ、均等な空間的サンプリング、ランダムな空間時間的データという3つのデータタイプすべてにおいて、正則化を適用すれば妥当な再構成が得られる。
• Mathematicaプログラムは、データ生成、正則化、再構成の全ワークフローを効果的に実装しており、パrameter調整のための高い柔軟性を備えている。