[논문 리뷰] A numerical scheme for space-time fractional advection-dispersion equation

Shahnam Javadi, M. Jani외 1명|arXiv (Cornell University)|2015. 12. 21.

Fractional Differential Equations Solutions참고 문헌 18인용 수 6

한 줄 요약

이 논문은 공간-시간 분수형 이동-분산 방정식을 해결하기 위해 제품 통합과 베르슈타인 다항식을 결합한 새로운 스펙트럴-콜로케이션 방법을 제안한다. 시간을 먼저 이산화하고, 공간 분수 도함수에 대해 제품 통합을 적용함으로써 문제를 선형 대수방정식계로 변환하며, 수치 실험에서 높은 정확도와 효율성을 보이며 2차 수렴을 달성한다.

ABSTRACT

In this paper, we develop a numerical resolution of the space-time fractional advection-dispersion equation. After time discretization, we utilize collocation technique and implement a product integration method in order to simplify the evaluation of the terms involving spatial fractional order derivatives. Then utilizing Bernstein polynomials as basis, the problem is transformed into a linear system of algebraic equations. Error analysis and order of convergence for the proposed method are also discussed. Some numerical experiments are presented to demonstrate the effectiveness of the proposed method and to confirm the analytic results.

연구 동기 및 목표

• 캡소의 도함수를 갖는 공간-시간 분수형 이동-분산 방정식을 효율적으로 해결하기 위한 수치적 방법을 개발한다.
• 물리적으로 의미 있는 분수형 PDE의 시간과 공간이 결합된 문제를 해결하는 데 있어 여전히 미비한 연구가 이루어지고 있는 도전 과제를 다룬다.
• 제품 통합과 베르슈타인 콜로케이션을 조합하여 공간 분수 도함수의 평가를 단순화한다.
• 기존의 유한차분법 또는 유한요소법에 비해 계산 비용과 행렬 크기를 줄인다.
• 엄밀한 오차 분석을 제공하고 수치 실험을 통해 수렴 속도를 확인한다.

제안 방법

• 시간 이산화를 먼저 적용하여 초기값 문제를 콜로케이션 방법에 적합한 경계값 문제의 순서로 변환한다.
• 제품 통합 규칙을 사용하여 공간 분수 도함수를 처리함으로써 항의 명시적이고 안정적인 평가를 가능하게 한다.
• 해를 근사하기 위해 베르슈타인 다항식을 기저 함수로 사용하여 선형 대수방정식계를 도출한다.
• 등간격 콜로케이션 점을 사용한 스펙트럴 콜로케이션을 활용하여 고차 정확도를 확보한다.
• 결과로 얻어진 대수방정식계는 수치적으로 해석되며, 근사 이론을 사용하여 오차 한계가 유도된다.
• 비선형 시스템을 푸는 데 필요한 과정을 피함으로써 계산 효율성을 향상시킨다.

실험 결과

연구 질문

• RQ1 제품 통합 기법을 베르슈타인 다항식과 효과적으로 조합하여 공간-시간 분수형 이동-분산 방정식을 해결할 수 있는가?
• RQ2 이론적 분석에서 예측한 바와 같이, 제안된 방법이 공간에서 2차 수렴을 달성하는가?
• RQ3 기존의 분수형 PDE를 위한 유한차분법 또는 유한요소법과 비교해 본다면, 이 방법은 정확도와 계산 비용 측면에서 어떻게 다른가?
• RQ4 변동하는 분수형 차수 α, β, γ를 갖는 경우에도 안정성과 수렴성을 유지할 수 있는가?
• RQ5 다양한 분수형 차수와 메쉬 세분화에 대해 실험적 수렴 속도는 얼마인가?

주요 결과

• 공간 이산화에 대해 실험적 수렴 속도가 약 2.0으로 나타나이론적 예측를 확인한다.
• α = 0.2, β ∈ (1,2), γ ∈ (0,1) 인 경우, h가 1/4에서 1/16로 세분화될 때 L2 오차 노름은 3.315×10⁻³에서 2.199×10⁻⁴로 감소하며 일관된 수렴 속도를 유지한다.
• α를 변화시키며 β = 1.5, γ = 0.5로 고정한 경우, L∞ 오차 노름은 4.476×10⁻³에서 4.43×10⁻⁴로 감소하며 수렴 속도는 약 1.9에 가까운 편이다.
• γ를 변화시키며 α = 0.5, β = 1.5로 고정한 경우, L2 오차 노름은 γ 증가에 따라 3.927×10⁻³에서 2.899×10⁻³로 감소하며 수렴 속도는 약 1.9 수준이다.
• 시간 간격 τ가 1/10에서 1/40로 감소함에 따라 CPU 시간은 0.16초에서 6.266초로 증가하나, 계산 비용은 관리 가능한 수준을 유지한다.
• 모든 테스트 설정에서 L2 오차가 5×10⁻³ 이하로 유지되어 복잡한 분수형 차수 조건에서도 높은 정확도를 유지를 한다.