Skip to main content
QUICK REVIEW

[论文解读] On efficient construction of stochastic moment matrices

Harri Hakula, Matti Leinonen|arXiv (Cornell University)|Feb 26, 2015
Probabilistic and Robust Engineering Design参考文献 17被引用 4
一句话总结

本文针对非仿射扩散系数的随机伽辽金有限元法(sGFEM)中构造随机矩矩阵,提出了渐近最优的算法。通过利用基于张量的多项式空间及高效的索引集遍历方法,该方法实现了对具有复杂随机输入的参数椭圆PDE的可扩展求解,理论与实验收敛率与勒让德多项式逼近一致。

ABSTRACT

We consider the construction of the stochastic moment matrices that appear in the typical elliptic diffusion problem considered in the setting of stochastic Galerkin finite element method (sGFEM). Algorithms for the efficient construction of the stochastic moment matrices are presented for certain combinations of affine/non-affine diffusion coefficients and multivariate polynomial spaces. We report the performance of various standard polynomial spaces for three different non-affine diffusion coefficients in a one-dimensional spatial setting and compare observed Legendre coefficient convergence rates to theoretical results.

研究动机与目标

  • 开发计算高效的算法,用于在扩散系数为非仿射时构造sGFEM中的随机矩矩阵。
  • 将现有适用于仿射输入的方法扩展至处理由截断多变量正态分布产生的更广泛类别的非仿射随机输入。
  • 确保在各种标准多项式空间与非仿射系数模型下,计算复杂度渐近最优。
  • 通过一维设置下的数值实验验证所提算法的正确性与收敛行为。
  • 提供多种索引集(isoTD、aTP、TS)下邻接矩阵生成的可实现伪代码,便于集成至sGFEM求解器中。

提出的方法

  • 该方法采用基于张量的多项式基,并定义多索引集(如isoTD、aTP、TS)以表示非仿射扩散系数的随机展开。
  • 提出改进的算法用于生成邻接矩阵$ N^w $,其编码了随机矩的耦合结构,通过高效遍历多索引树实现。
  • 算法采用递归结构,结合位置-值对与预计算的父子映射($ \mathtt{PtC} $),在无需冗余计算的情况下导航索引集。
  • 对于非仿射情形,通过多索引单项式$ Y^\mu(\omega) = \prod_m Y_m^{\mu_m}(\omega) $处理随机变量的乘积,实现矩的精确计算。
  • 该方法支持多种多项式空间,并通过利用矩矩阵诱导图的结构,确保稀疏性与低存储成本。
  • 提供索引集生成与邻接矩阵计算的伪代码,针对每种空间(isoTD、aTP、TS)进行修改,包括处理维度权重与边界条件。

实验结果

研究问题

  • RQ1如何在sGFEM中高效构造非仿射扩散系数的随机矩矩阵?
  • RQ2所提算法的计算复杂度是多少?在标准多项式空间下是否渐近最优?
  • RQ3在非仿射设置下,勒让德系数的观测收敛率与理论预测相比如何?
  • RQ4所提算法能否在少量修改下推广至多个索引集(如isoTD、aTP、TS)?
  • RQ5不同非仿射系数形式对矩矩阵的稀疏性与结构有何影响?

主要发现

  • 所提算法在各种非仿射扩散系数模型下,实现了随机矩矩阵构造的渐近最优计算复杂度。
  • 数值实验验证了系统矩阵的正确性,并显示勒让德系数的收敛率与理论预测一致。
  • 该方法支持广泛的多项式空间,包括isoTD、aTP与TS,且邻接矩阵生成的伪代码高效且可重用。
  • 通过高效的遍历与索引方法,矩矩阵图的结构得以保持,从而最小化存储与计算成本。
  • 针对aTP与isoTD索引集的算法修改在保持正确性的同时,能够处理非均匀维度权重与非整数边界。
  • 实现对不同非仿射形式具有鲁棒性,包括如$ a(\omega,x) = a_0(x) + \left(\sum_m a_m(x)Y_m(\omega)\right)^2 $的二次展开形式。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。