[论文解读] Postprocessing Galerkin method applied to a data assimilation algorithm: a uniform in time error estimate

Cecilia F. Mondaini, Edriss S. Titi|arXiv (Cornell University)|Dec 21, 2016

Advanced Mathematical Modeling in Engineering参考文献 34被引用 8

一句话总结

本文提出一种后处理伽辽金方法，用于增强二维纳维-斯托克斯方程的连续数据同化算法，实现了数值近似与真实解之间在时间上一致的误差估计。在拉伸参数、网格分辨率和数值格式满足适当条件时，该方法可确保在整个时间范围内实现指数收敛至参考解，适用于包括傅里叶模态和有限体积平均在内的广泛类 interpolant 算子。

ABSTRACT

We apply the Postprocessing Galerkin method to a recently introduced continuous data assimilation (downscaling) algorithm for obtaining a numerical approximation of the solution of the two-dimensional Navier-Stokes equations corresponding to given measurements from a coarse spatial mesh. Under suitable conditions on the relaxation (nudging) parameter, the resolution of the coarse spatial mesh and the resolution of the numerical scheme, we obtain uniform in time estimates for the error between the numerical approximation given by the Postprocessing Galerkin method and the reference solution corresponding to the measurements. Our results are valid for a large class of interpolant operators, including low Fourier modes and local averages over finite volume elements. Notably, we use here the 2D Navier-Stokes equations as a paradigm, but our results apply equally to other evolution equations, such as the Boussinesq system of Benard convection and other oceanic and atmospheric circulation models.

研究动机与目标

• 为基于后处理伽辽金方法的二维纳维-斯托克斯方程连续数据同化算法提供严格的数值分析。
• 在初始条件未知的情况下，建立数值近似与真实解之间的一致时间误差界。
• 将数据同化框架的适用性扩展至一般耗散演化方程，如布辛涅斯克系统及大气/海洋模型。
• 验证该方法在多种插值算子下的鲁棒性，包括低傅里叶模态和局部空间平均。
• 确保误差估计在时间上保持有界并均匀衰减，且与初始数据无关。

提出的方法

• 该方法将后处理伽辽金技术应用于基于反馈控制（拉伸）的连续数据同化算法，以从粗尺度测量中重构精细尺度解。
• 该算法使用与插值测量 $ I_h(\textbf{v}) $ 和 $ I_h(\textbf{u}) $ 差值成比例的反馈项，松弛参数为 $ \beta $，以引导近似解 $ \textbf{v} $ 趋近真实解 $ \textbf{u} $。
• 空间离散化通过将解投影到有限维子空间上实现，随后进行后处理以提升精度，超越标准伽辽金解。
• 分析基于纳维-斯托克斯方程的函数形式，使用算子 $ A $（拉普拉斯算子）和 $ B $（非线性对流项），并结合 $ L^2 $ 范数和索伯列夫范数中的能量估计。
• 插值算子 $ I_h $ 被推广以包含低傅里叶模态和有限体积单元上的局部平均，确保广泛适用性。
• 采用先验估计和能量方法推导误差 $ \| \textbf{v} - \textbf{u} \|_{L^2} $ 的界，表明在 $ \beta $、$ h $ 及数值分辨率满足适当条件时，误差可实现时间上的一致衰减。

实验结果

研究问题

• RQ1 后处理伽辽金方法能否为应用于二维纳维-斯托克斯方程的数据同化算法提供时间上一致的有界误差估计？
• RQ2 在基于拉伸的数据同化方案中结合空间后处理时，数值近似与真实解之间的误差如何随时间演化？
• RQ3 松弛参数 $ \beta $、网格分辨率 $ h $ 和数值格式需满足何种条件，才能确保解指数收敛至真实解？
• RQ4 误差估计在多大程度上依赖于插值算子 $ I_h $ 的选择，如傅里叶模态或有限体积平均？
• RQ5 所提方法能否扩展至二维纳维-斯托克斯方程以外的其他耗散演化方程？

主要发现

• 后处理伽辽金方法在数值近似 $ \textbf{v} $ 与真实解 $ \textbf{u} $ 之间实现了时间一致的误差估计，且误差随时间指数衰减。
• 误差界与初始数据无关，确保了对 $ \textbf{v} $ 初始猜测的鲁棒性。
• 该方法对包括低傅里叶模态和有限体积单元上局部空间平均在内的广泛类插值算子均实现收敛。
• 误差估计依赖于粗网格分辨率 $ h $、松弛参数 $ \beta $ 和谱间隙 $ \lambda_{N+1} $，其界按 $ \mathcal{O}(L^{1/2}/h^2 \cdot \lambda_{N+1}^{-1/4}) $ 缩放。
• 分析证实，反馈控制项 $ -\beta(I_h(\textbf{v}) - I_h(\textbf{u})) $ 有效稳定了数值解并引导其趋近真实解。
• 结果可推广至其他系统，如布辛涅斯克方程及大尺度大气与海洋模型，展现出广泛适用性。