[论文解读] Revisiting finite element accuracy by a mixed functional-probabilistic approach.

Joël Chaskalovic, Franck Assous|arXiv (Cornell University)|Mar 26, 2018

Probabilistic and Robust Engineering Design参考文献 12被引用 3

一句话总结

本文提出了一种混合函数-概率方法，通过将 $P_k$ 和 $P_m$ 单元（$k < m$）之间的相对精度建模为随机变量，来评估有限元的精度。基于Bramble-Hilbert引理的几何解释，推导出两种概率分布，揭示在何种网格尺寸 $h$ 下，某一单元比另一单元更可能具有更高的精度，同时分析了当 $m-k \to \infty$ 时的渐近行为。其主要贡献在于提出了一套概率框架，能够基于 $h$ 预测单元的优越性，为有限元选择提供了新见解。

ABSTRACT

The aim of this paper is to provide a new perspective on finite element accuracy. Starting from a geometrical reading of the Bramble-Hilbert lemma, we derive two probability distributions that estimates the relative accuracy, considered as a random variable, between two finite elements $P_k$ and $P_m$, ($k < m$). We establish mathematical properties of these laws, particularly studying their asymptotic relation when the difference $m-k$ goes to infinity. Then, we get new insights which, among others, show that $P_k$ or $P_m$ is more likely accurate than the other, depending on a the value of the mesh size $h$.

研究动机与目标

• 通过概率视角重新评估有限元精度，超越确定性误差界。
• 将两个有限元 $P_k$ 与 $P_m$（$k < m$）之间的相对精度建模为随机变量。
• 推导出估计某一单元比另一单元更精确的概率分布。
• 分析当多项式阶数差 $m-k$ 增大时，这些分布的渐近行为。
• 确定在何种网格尺寸 $h$ 条件下，$P_k$ 或 $P_m$ 更可能具有更高的精度。

提出的方法

• 推导Bramble-Hilbert引理的几何解释，以在函数空间中建模有限元近似误差。
• 构建两种概率分布，用于估计 $P_k$ 与 $P_m$ 单元之间的相对精度。
• 使用泛函分析定义表示相对精度的随机变量，其形式基于逼近范数。
• 分析当 $m-k \to \infty$ 时这些分布的渐近性质，揭示其收敛趋势。
• 建立所推导分布律的数学性质，包括矩与尾部行为，以支持概率推断。
• 将所得的概率模型与网格尺寸 $h$ 关联，以确定某一单元相对于另一单元的主导性。

实验结果

研究问题

• RQ1 如何将 $P_k$ 与 $P_m$ 有限元之间的相对精度建模为随机变量？
• RQ2 描述 $P_k$ 比 $P_m$ 更精确的可能性的概率分布是什么？
• RQ3 网格尺寸 $h$ 如何影响某一单元在精度上相对于另一单元的主导性？
• RQ4 当 $m-k \to \infty$ 时，精度概率分布的渐近行为如何？
• RQ5 在何种 $h$ 条件下，$P_k$ 比 $P_m$ 更可能准确，反之亦然？

主要发现

• 本文推导出两种概率分布，用于将 $P_k$ 与 $P_m$ 有限元之间的相对精度建模为随机变量。
• 这些分布表明，$P_k$ 或 $P_m$ 更可能准确的概率在很大程度上取决于网格尺寸 $h$。
• 随着多项式阶数差 $m-k$ 的增加，所推导的概率律表现出特定的渐近收敛模式。
• 对于小的 $h$，$P_m$ 更可能准确；而对于大的 $h$，$P_k$ 可能占优，具体取决于问题的正则性。
• 该概率框架提供了一种基于 $h$ 的新准则，用于有限元选择，超越了传统的误差估计。