[论文解读] A Bhatnagar-Gross-Krook Approximation to Stochastic Scalar Conservation Laws

Martina Hofmanová|arXiv (Cornell University)|May 28, 2013

Stochastic processes and financial applications参考文献 28被引用 25

一句话总结

本文建立了随机Bhatnagar-Gross-Krook（BGK）模型向带乘性噪声的标量守恒律的动能解的收敛性。通过使用随机特征线方法和关于ε的统一估计，在初始数据的可积性假设最小的条件下，证明了BGK解向动能解的强收敛性，将确定性BGK理论扩展至随机设定。

ABSTRACT

Abstract. We study a BGK-like approximation to hyperbolic conserva-tion laws forced by a multiplicative noise. First, we make use of the stochastic characteristics method and establish the existence of a solu-tion for any fixed parameter ε. In the next step, we investigate the limit as ε tends to 0 and show the convergence to the kinetic solution of the limit problem.

研究动机与目标

• 将确定性BGK逼近框架扩展至由乘性噪声驱动的随机标量守恒律。
• 对于任意固定的ε > 0，建立随机BGK模型弱解的存在性。
• 证明当ε → 0时，随机BGK模型的流体动力学极限，即其收敛于随机守恒律的动能解。
• 放宽对初始数据有界性的假设，仅要求u₀ ∈ Lᵖ(Ω × 𝕋ᴺ)对所有p ∈ [1, ∞)成立，而非有界性。
• 提出一种新方法，用于在随机特征线框架下控制ξ变量的尾部行为，克服速度空间中紧支集的丧失。

提出的方法

• 采用Kunita的随机特征线方法分析辅助问题，建立在固定ε下随机BGK模型弱解的存在性。
• 通过包含非线性松弛项、随机通量项Φ dW以及涉及G²的二阶校正项的随机PDE来定义随机BGK模型。
• 通过变换F^ε = f^ε + 1_{ξ>0}将方程重述为类似带符号测度的函数形式，以利于分析。
• 利用矩界和ξ变量中的可积性，推导出关于局部密度u^ε和动能函数F^ε的ε-一致估计。
• 应用Debussche和Vovelle的约化定理，识别出极限为动能解，确保ν = δ_u且F = 1_{u>ξ}。
• 通过一致可积性和测试函数逼近，建立χ_{u^ε}在Lᵖ(Ω × [0,T] × 𝕋ᴺ × ℝ)中对所有p ∈ [1, ∞)的强Lᵖ收敛性。

实验结果

研究问题

• RQ1 随机BGK模型能否作为带乘性噪声的随机标量守恒律的有效逼近？
• RQ2 随机守恒律的动能解是否作为随机BGK模型在ε → 0时的流体动力学极限出现？
• RQ3 当特征线的ξ坐标随随机演化而失去紧支集时，如何在随机设定下获得一致估计？
• RQ4 对初始数据u₀的何种最小可积性条件足以保证BGK逼近的收敛性？
• RQ5 是否可以在不假设初始数据有界性的前提下建立收敛性，从而超越经典确定性假设的范围？

主要发现

• 对于任意固定的ε > 0，随机BGK模型存在唯一弱解，该结论通过随机特征线方法建立。
• 当ε → 0时，随机BGK模型的解F^ε在L^∞(Ω × [0,T] × 𝕋ᴺ × ℝ)中弱*收敛于χ_u。
• 在假设u₀ ∈ Lᵖ(Ω × 𝕋ᴺ)对所有p ∈ [1, ∞)成立的前提下，局部密度u^ε在Lᵖ(Ω × [0,T] × 𝕋ᴺ)中对所有p ∈ [1, ∞)强收敛于u。
• 由于一致可积性和矩界，平衡函数χ_{u^ε}在Lᵖ(Ω × [0,T] × 𝕋ᴺ × ℝ)中对所有p ∈ [1, ∞)强收敛于χ_u。
• f^ε在Lᵖ(Ω × [0,T] × 𝕋ᴺ × ℝ)中对所有p ∈ [1, ∞)收敛于χ_u，确认了BGK模型的流体动力学极限。
• 通过约化定理，极限解F被识别为随机守恒律的动能解，其中F = 1_{u>ξ}且Dirac测度ν = δ_u。