کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6929505 | 867524 | 2016 | 22 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A unified framework for mesh refinement in random and physical space
ترجمه فارسی عنوان
یک چارچوب یکپارچه برای پاکسازی مش در فضای تصادفی و فیزیکی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
در کار اخیر ما نشان داده شده است که چگونه یک مدل دقیق کاهش می تواند برای انجام پالایش مش در فضای تصادفی استفاده شود. این کار متکی به دانش صریح یک مدل دقیق کاهش یافته است که برای نظارت بر انتقال فعالیت از مقیاس بزرگ به مقیاس کوچک راه حل استفاده می شود. از آنجایی که این همیشه در دسترس نیست، در چارچوب فعلی، چارچوبی را ارائه می دهیم که شایستگی و ایده اولیه رویکرد قبلی را به اشتراک می گذارد اما نیازی به آگاهی صریح از یک مدل کاهش یافته ندارد. علاوه بر این، چارچوب فعلی را می توان برای اصلاح در هر دو فضای تصادفی و فیزیکی اعمال کرد. در این مقاله ما در مورد استفاده از پیکربندی مش فضای تصادفی تمرکز می کنیم. ما نمونه هایی از افزایش سختی (از معادلات دیفرانسیل عادی و عادی) را بررسی می کنیم که نشان دهنده کارآیی و همه کاره بودن روش ما است. ما همچنین برخی از نتایج را از استفاده از چارچوب جدید برای بهبود پهنای فضای فیزیکی ارائه می دهیم.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
In recent work we have shown how an accurate reduced model can be utilized to perform mesh refinement in random space. That work relied on the explicit knowledge of an accurate reduced model which is used to monitor the transfer of activity from the large to the small scales of the solution. Since this is not always available, we present in the current work a framework which shares the merits and basic idea of the previous approach but does not require an explicit knowledge of a reduced model. Moreover, the current framework can be applied for refinement in both random and physical space. In this manuscript we focus on the application to random space mesh refinement. We study examples of increasing difficulty (from ordinary to partial differential equations) which demonstrate the efficiency and versatility of our approach. We also provide some results from the application of the new framework to physical space mesh refinement.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Computational Physics - Volume 323, 15 October 2016, Pages 243-264
Journal: Journal of Computational Physics - Volume 323, 15 October 2016, Pages 243-264
نویسندگان
Jing Li, Panos Stinis,