[论文解读] Modified Iterated Crank-Nicolson Method with Improved Accuracy

Qiqi Tran, Jinjie Liu|arXiv (Cornell University)|Jul 23, 2016

Numerical methods for differential equations被引用 4

一句话总结

本文提出了两种改进的 $\theta$-迭代Crank-Nicolson（ICN）方法——几何平均（GA）与算术平均（AA）——即使在 $\theta \neq 0.5$ 时，也能恢复二阶精度，尽管原始 $\theta$-ICN 方法在 $\theta \neq 0.5$ 时会损失精度。这些方法通过在迭代或时间步长之间对 $\theta$ 值进行加权平均来实现，数值结果验证了其在双曲型PDE（包括Burgers方程）上的二阶收敛性与改进的稳定性。

ABSTRACT

The iterated Crank-Nicolson (ICN) method is a successful numerical algorithm in numerical relativity for solving partial differential equations. The $θ$-ICN method is the extension of the original ICN method where $θ$ is the weight when averaging the predicted and corrected values. It has better stability when $θ$ is chosen to be larger than 0.5, but the accuracy is reduced since the $θ$-ICN method is second order accurate only when $θ$ = 0.5. In this paper, we propose two modified $θ$-ICN algorithms that have second order of convergence rate when $θ$ is not 0.5, based on two different ways to choose the weight $θ$. The first approach employs two geometrically averaged $θ$s in two iterations within one time step, and the second one uses arithmetically averaged $θ$s for two consecutive time steps while $θ$ remains the same in each time step. The stability and second order accuracy of our methods are verified using stability and truncation error analysis and are demonstrated by numerical examples on linear and semi-linear hyperbolic partial differential equations and Burgers' equation.

研究动机与目标

• 解决当 $\theta \neq 0.5$ 时 $\theta$-ICN 方法出现二阶精度损失的问题，尽管 $\theta > 0.5$ 时稳定性有所提升。
• 开发新的算法策略，在保持 $\theta > 0.5$ 稳定性优势的同时，维持二阶收敛性。
• 为数值相对论与PDE模拟中精度与稳定性均至关重要的场景，提供标准 $\theta$-ICN 的实用替代方案。
• 通过截断误差与稳定性分析，以及对线性、半线性与非线性PDE的数值实验，验证新方法的有效性。

提出的方法

• 提出几何平均（GA）$\theta$-ICN方法，该方法在单个时间步内通过迭代间几何平均的 $\theta$ 权重计算两个中间值。
• 开发算术平均（AA）$\theta$-ICN方法，该方法在两个连续时间步之间使用算术平均的 $\theta$ 值，同时保持每一步内 $\theta$ 值恒定。
• 在ICN方法的预测-校正框架中应用改进的平均策略，通过平衡截断误差项来确保二阶精度。
• 采用截断误差分析与von Neumann稳定性分析，形式化验证新格式的二阶收敛性与稳定性。
• 在有限差分格式中实现两种方法，应用于线性与非线性双曲型PDE（包括Burgers方程），并采用一致的时间与空间离散化。
• 使用标准ICN方法在极细时间步长下的参考解，计算 $L_1$、$L_2$ 与 $L_\infty$ 范数下的收敛率。

实验结果

研究问题

• RQ1 能否在 $\theta \neq 0.5$ 时恢复 $\theta$-ICN 方法的二阶精度，同时不牺牲稳定性？
• RQ2 在时间步内两个迭代之间使用几何平均 $\theta$ 值，是否能保持二阶收敛性？
• RQ3 在两个连续时间步之间使用算术平均 $\theta$ 值，能否在保持 $\theta > 0.5$ 稳定性优势的同时维持二阶精度？
• RQ4 与标准 $\theta$-ICN、交换 $\theta$-ICN 及完整ICN 方法相比，新方法在精度与收敛率方面表现如何？
• RQ5 所改进的方法在非线性PDE（如Burgers方程）上是否仍能保持二阶收敛性？

主要发现

• 几何平均（GA）$\theta$-ICN 方法在 $\theta = 0.6$ 时实现了时间方向的二阶收敛，$L_1$、$L_2$ 与 $L_\infty$ 范数下的观测收敛阶数约为 2.0。
• 算术平均（AA）$\theta$-ICN 方法在 $\theta = 0.6$ 时也实现了二阶收敛，所有 $L_p$ 范数下的收敛阶数为 2.0–2.1。
• 标准 $\theta$-ICN 方法在 $\theta = 0.6$ 时仅表现出一阶收敛，证实原始方法在 $\theta \neq 0.5$ 时精度下降；而所提方法显著优于该方法。
• 交换 $\theta$-ICN 方法同样仅呈现一阶精度，进一步验证了所提平均策略在恢复二阶精度中的必要性。
• Burgers方程的数值结果表明，GA 与 AA $\theta$-ICN 方法均与参考ICN解高度吻合，且显著优于 $\theta = 0.6$ 的标准 $\theta$-ICN 方法。
• 稳定性与截断误差分析表明，两种新方法即使在 $\theta \neq 0.5$ 时也具有无条件稳定性和二阶精度。