[论文解读] On the approximation of the probability density function of the randomized heat equation

Julia Calatayud, J.‐C. Cortés+1 more|arXiv (Cornell University)|Feb 8, 2018

Advanced Mathematical Modeling in Engineering参考文献 13被引用 3

一句话总结

本文提出了两种新颖方法，用于近似随机热方程解的概率密度函数（PDF），该方程具有随机扩散系数和随机初始条件。通过分离变量法，解被表示为一个随机级数，PDF通过随机变量变换（RVT）和Karhunen-Loève展开（KLE）进行近似，并在较弱的Lipschitz条件下证明了理论收敛性。主要贡献在于构造了一组一致柯西的近似PDF序列，数值验证显示收敛速度快，且对分布假设具有鲁棒性。

ABSTRACT

In this paper we study the randomized heat equation with homogeneous boundary conditions. The diffusion coeffcient is assumed to be a random variable and the initial condition is treated as a stochastic process. The solution of this randomized partial differential equation problem is a stochastic process, which is given by a random series obtained via the classical method of separation of variables. Any stochastic process is determined by its finite-dimensional joint distributions. In this paper, the goal is to obtain approximations to the probability density function of the solution (the first finite-dimensional distributions) under mild conditions. Since the solution is expressed as a random series, we perform approximations of its probability density function. We use two approaches: broadly speaking, first, dealing with the random Fourier coefficients of the random series, and second, taking advantage of the Karhunen-Loeve expansion of the initial condition stochastic process. Finally, several numerical examples illustrating the potentiality of our findings with regard to both approaches are presented.

研究动机与目标

• 开发针对具有不确定参数的随机热方程解的前有限维概率密度函数的可靠近似方法。
• 解决由具有随机扩散系数和随机初始条件的随机偏微分方程所生成的随机过程的PDF计算挑战。
• 建立理论条件（特别是Lipschitz连续性），以确保近似PDF的一致收敛性。
• 比较两种不同方法的性能：一种基于随机傅里叶系数，另一种基于初始条件的Karhunen-Loève展开。
• 通过数值实验验证理论结果，展示在不同参数配置下方法的快速收敛性和鲁棒性。

提出的方法

• 通过分离变量法求解随机热方程，得到包含随机傅里叶系数的随机级数表示。
• 对随机傅里叶系数应用随机变量变换（RVT）技术，推导解的PDF，假设变换具有联合密度且满足Lipschitz连续性。
• 利用Karhunen-Loève展开（KLE）将初始条件的随机过程表示为一组不相关随机变量的无穷级数，从而通过变换这些分量实现PDF近似。
• 通过证明在较弱假设（包括涉及密度函数的Lipschitz连续性）下，近似PDF构成一致柯西序列，建立其理论收敛性。
• 通过蒙特卡洛模拟和L1-范数比较进行数值实验，评估近似PDF的收敛速度和精度。
• 实现两种不同的近似策略：一种基于截断随机级数并对系数应用RVT（定理2.8）；另一种利用KLE表示初始条件，并对所得系数应用变换（定理3.3）

实验结果

研究问题

• RQ1 在何种条件下，随机热方程解的概率密度函数会一致收敛？
• RQ2 在收敛速度和精度方面，基于RVT与基于KLE的方法在近似解的PDF时表现如何比较？
• RQ3 随机参数密度函数的Lipschitz条件在确保PDF近似收敛性方面起什么作用？
• RQ4 所提出的方法能否处理扩散系数和初始条件的广泛概率分布，包括非高斯分布和有界分布？
• RQ5 有哪些数值证据支持Lipschitz条件在理论收敛框架中的必要性？

主要发现

• 在较弱假设下（包括随机参数密度函数的Lipschitz连续性），解的近似PDF构成一致柯西序列，确保理论收敛性。
• 数值实验表明，基于RVT和基于KLE的方法结果极为相似，且在连续近似之间的L1-范数中表现出快速收敛。
• 在示例4.1中，(x,t) = (0.5,0.1)处连续近似PDF之间的L1-范数差值降至约0.00088，表明收敛迅速。
• 在示例4.2中，高阶近似下L1-范数差值低于10^-8，证实了方法的高精度和稳定性。
• 示例4.3通过数值结果表明，若缺少Lipschitz条件，PDF近似将不收敛，L1-范数差值分别为0.19156和1.86146，表明该条件的必要性。
• 不同近似下解的期望和方差分别保持在接近零和0.100146，表明统计矩的一致性。