[论文解读] Analysis of a splitting method for stochastic balance laws

Erlend Briseid Storrøsten, Kenneth H. Karlsen|arXiv (Cornell University)|Jan 11, 2016

Stochastic processes and financial applications参考文献 23被引用 3

一句话总结

本文分析了一种用于由乘性维纳噪声驱动的随机平衡律的半离散算子分裂方法，证明了近似解收敛于精确的随机熵解。在同齐噪声和Malliavin可微的Kružkov常数条件下，建立了时间步长 $ \Delta t $ 的 $ L^1 $ 收敛速率 $ \frac{1}{3} $，利用分数阶 BV 估计和广义熵条件。

ABSTRACT

We analyze a semi-discrete splitting method for conservation laws driven by a semilinear noise term. Making use of fractional $BV$ estimates, we show that the splitting method produces a compact sequence of approximate solutions converging to the exact solution, as the time step $Δt ightarrow 0$. Under the assumption of a homogenous noise function, and thus the availability of $BV$ estimates, we provide an $L^1$ error estimate. Bringing into play a generalization of Kruzkov's entropy condition, permitting the "Kruzkov constants" to be Malliavin differentiable random variables, we establish an $L^1$ convergence rate of order $\frac13$ in $Δt$.

研究动机与目标

• 建立具有乘性噪声的随机守恒律的半离散算子分裂近似解的收敛性。
• 解决在随机强迫作用下时间离散化与非线性带来的挑战。
• 通过引入具有Malliavin可微Kružkov常数的广义熵条件，将收敛性分析从同齐噪声情形推广至一般情况。
• 在适当的正则性假设下，推导出具有精确收敛速率 $ \frac{1}{3} $ 的 $ L^1 $ 误差估计。

提出的方法

• 该方法采用Godunov型算子分裂，将平衡律中的确定性通量项与随机源项解耦。
• 利用分数阶 $ BV $ 估计控制近似解的正则性，确保收敛性。
• 引入广义熵条件，允许Kružkov常数为Malliavin可微的随机变量，以处理随机非线性。
• 结合Malliavin微积分与随机PDE技术，处理噪声项并推导稳定性估计。
• 利用弱紧致性与Young测度，从近似解序列中提取 $ L^1 $ 收敛的子序列。
• 应用先验估计与补偿紧致性论证，证明收敛至随机熵解。

实验结果

研究问题

• RQ1 半离散算子分裂方法能否收敛于具有非齐次噪声的平衡律的随机熵解？
• RQ2 在一般噪声假设下，此类分裂格式的最优 $ L^1 $ 收敛速率为何？
• RQ3 经典Kružkov熵条件如何适应具有随机熵界的随机情形？
• RQ4 分数阶 $ BV $ 估计能否用于控制随机情形下解的正则性？
• RQ5 熵常数的Malliavin可微性在随机守恒律的误差估计中起何作用？

主要发现

• 即使在非齐次噪声下，该分裂方法生成的近似解仍随 $ \Delta t \to 0 $ 收敛于精确的随机熵解。
• 在同齐噪声条件下，该方法在 $ \Delta t $ 上实现了 $ L^1 $ 误差估计，收敛速率为 $ \frac{1}{3} $。
• 使用Malliavin可微的Kružkov常数，使得在随机设定下能够推导出精确的误差界。
• 分数阶 $ BV $ 估计在控制近似解的变差并确保收敛性方面起到了关键作用。
• 收敛结果在 $ f $ 为全局Lipschitz连续且 $ \sigma $ 满足局部Lipschitz与Hölder型条件的假设下成立。
• 该分析通过弱紧致性与Young测度证明了随机熵解的存在性，即使不假设解属于 $ L^\infty $。