[论文解读] A stochastic perturbation approach to nonlinear bifurcating problems

Isabella Carla Gonnella, Moaad Khamlich+2 more|arXiv (Cornell University)|Feb 26, 2024

Stochastic processes and financial applicationsEconomics, Econometrics and Finance被引用 3

一句话总结

本论文提出一种基于多项式混沌（PC）展开的随机扰动方法，结合谱 stochastic 有限元法（SSFEM），用于表征非线性分岔问题中的解分支，如流体动力学中的科安达效应。结果表明，PC代理函数中的局部极值直接对应于共存解分支的数量与取值，从而可在无需预先知晓分岔拓扑结构的情况下重建完整的解流形。

ABSTRACT

Incorporating probabilistic terms in mathematical models is crucial for capturing and quantifying uncertainties in real-world systems, especially when the solution is not unique or exhibits sudden qualitative changes as parameters vary. However, stochastic models typically require large computational resources to produce meaningful statistics. In this work, we leverage the Polynomial Chaos (PC) expansion to propose a systematic approach for bifurcation detection in parametric systems of equations. We show that the method, exploiting a perturbed version of the deterministic model, avoids repeated costly simulations across multiple parameter values and requires no prior information for initializing numerical solvers, while still providing accurate characterization of the bifurcation branches. We argue that the PC solutions of the perturbed model not only provide access to statistical information about the deterministic branches, but also approximate these branches in a meaningful sense. Finally, we validate our claims by means of numerical tests on the pitchfork bifurcation, examining both its normal form and a classical realization in fluid-dynamics PDEs, namely the Coanda effect.

研究动机与目标

• 解决传统确定性延拓方法在大参数范围内重建完整分岔图时计算不可行的问题。
• 探究多项式混沌（PC）代理模型是否能准确编码非线性分岔系统中共存解分支的拓扑结构与取值。
• 开发一种侵入式SSFEM框架，实现在无需问题特定初始化的情况下对分岔现象进行高效、高保真的随机分析。
• 建立PC展开中局部极值的数量与位置与确定性分岔图中解分支数量与取值之间的定量关联。
• 通过SSFEM解的统计分析实现分岔图的概率重建，特别是在解不唯一的情况下。

提出的方法

• 使用Karhunen-Loève（K-L）展开将分岔参数（如粘度）建模为随机过程，以表征其不确定性。
• 利用正交多项式对PC展开表示随机PDE的解，其中K-L特征函数作为随机变量。
• 通过将PDE的弱形式投影到PC基上，构建侵入式SSFEM方法，得到PC系数的耦合方程组。
• 使用非线性求解器求解所得高维系统，以计算PC系数，从而通过PC多项式的正交性实现统计分析。
• 通过采样PC展开并分析解值的分布来重建解流形，特别关注与解分支对应的聚类。
• 将概率解结构（由局部极值和密度聚类体现）与确定性分岔图进行对比，以验证方法的准确性。

实验结果

研究问题

• RQ1 在随机设置下，解的PC展开是否能准确重建分岔系统中共存解分支的数量与取值？
• RQ2 PC代理函数中的局部极值如何与确定性分岔图的分支相对应？
• RQ3 SSFEM框架在缺乏分岔拓扑先验知识的情况下，能在多大程度上重建完整的解流形？
• RQ4 与传统确定性延拓方法相比，该随机扰动方法在参数范围内的计算效率与鲁棒性如何？
• RQ5 概率解结构（如密度聚类）是否能可靠指示非唯一区域中解分支的存在性与稳定性？

主要发现

• 在采样区域内，PC代理函数中局部极值的数量与对应确定性参数值下共存解分支的数量完全一致。
• PC展开中局部极值的取值与确定性分岔图中解分支的实际取值高度吻合。
• 对于粘度值μ = 0.9，SSFEM的概率解成功恢复了确定性分岔图中的两个分支。
• 在μ = 1.1时，仅存在一个解，解密度集中于单一取值，证实了多分支的缺失。
• 即使在强分岔区域（如μ = 0.85和μ = 0.8），分支的演化过程仍被捕捉到，尽管收敛问题轻微扭曲了下部分支的对称性。
• 侵入式SSFEM方法可在无需问题特定初始化或分岔行为先验知识的情况下，实现解流形的完整重建。