Сходимость приближенных решений ядром теплопроводности для уравнения переноса-диффузии в полуплоскости

Обложка

Цитировать

Полный текст

Аннотация

Рассматривается уравнение параболического типа (уравнение переноса-диффузии), которое используется, например, в задачах распространения загрязняющих веществ в атмосферном воздухе или водной среде. Имеется нескольких классических методов решения этого параболического уравнения, но также хорошо известно и вероятностное представление решения уравнения переноса-диффузии. Поскольку плотность распределения винеровского процесса соответствует ядру уравнения теплопроводности, с использованием ядра теплопроводности и оператора переноса на каждом шаге дискретизации времени можно построить приближенные решения уравнения переноса-диффузии в d. В предыдущих работах была доказана равномерная сходимость этих приближенных решений к функции, удовлетворяющей уравнению переноса-диффузии и начальному условию. Так как эти приближенные решения определяются только интегральным оператором и оператором переноса, доказательство их сходимости проводится без использования вероятностных понятий. В данной работе рассматривается уравнение переноса-диффузии в полуплоскости +2 с граничным условием на {x2=0}  и доказывается сходимость приближенных решений, построенных ядром теплопроводности и оператором переноса, к функции, удовлетворяющей уравнению переноса-диффузии в +2, начальному и граничному условиям. Для получения этого результата, используется метод нечетного продолжения заданных в +2 функций на 2, поэтому применяются технические приемы предыдущих работ для задач в d. Тем не менее из-за наличия граничного условия остается проблема гладкости приближенных решений, для разрешения которой получаются оценки для производных приближенных решений, на которые влияют особенные данные на {x2=0}.

Об авторах

Мерием Аоуаоуда

Университет им. Л. Бен Мхиди

Email: meyem.aouaouda@gmail.com
ORCID iD: 0000-0002-8826-374X
Scopus Author ID: 57211330609
http://www.mathnet.ru/person152228

аспирант-математик, сотрудник лаборатории, лаб. динамических систем и управления

Алжир, 04000, Оум-эл-Буаги

Абделхамид Аяди

Университет им. Л. Бен Мхиди

Email: facmaths@yahoo.fr
ORCID iD: 0000-0002-5600-7493
Scopus Author ID: 57220448421
http://www.mathnet.ru/person152229

профессор, руководитель исследовательской группы, лаб. динамических систем и управления

Алжир, 04000, Оум-эл-Буаги

Хисао Фуджита Яшима

Высшая нормальная школа им. А. Джебар

Автор, ответственный за переписку.
Email: hisaofujitayashima@yahoo.com
ORCID iD: 0000-0001-9937-8406
Scopus Author ID: 7004250498
http://www.mathnet.ru/person29081

профессор, руководитель исследовательской группы, лаб. прикладной математики и дидактики

Алжир, 25000, Константина, Али Менжели

Список литературы

  1. Ландау Л. Д., Лифшиц Е. М. Гидродинамика / Теоретическая физика. Т. 6. М.: Наука, 1986. 736 с.
  2. Алоян А. Е. Моделирование динамики и кинетики газовых примесей и аэрозолей в атмосфере. М.: Наука, 2008. 415 c. EDN: QKHODT.
  3. Носов А. В., Крылов А. Л., Киселев В. П., Казаков С. В. Моделирование миграции радионуклидов в поверхностных водах. М.: Наука, 2010. 253 c. EDN: YLEGPB.
  4. Moreira D. M., Moraes A. C., Goulart A. G., Toledo de Almeida Albuquerque T. A contribution to solve the atmospheric diffusion equation with eddy diffusivity depending on source distance // Atmospheric Environment, 2014. vol. 83. pp. 254–259. DOI: https://doi.org/10.1016/j.atmosenv.2013.10.045.
  5. Цыденов Б. О. Численное исследование распространения примеси в пресном озере на основе распределения мутности // Вычислительные технологии, 2017. Т. 22 (спец. вып. 1). С. 113–124. EDN: YPLUKT.
  6. Esmail S., Agrawal P., Shaban Aly A novel analytical approach for advection diffusion equation for radionuclide release from area source // Nuclear Eng. Techn., 2020. vol. 6. pp. 816–826. DOI: https://doi.org/10.1016/j.net.2019.09.018.
  7. Essa Kh. S. M., El-Otaify M. S. Mathematical model for atmospheric dispersion equation (a review) // J. Rad. Nucl. Appl., 2021. vol. 52, no. 2. pp. 119–128. DOI: https://doi.org/10.18576/jrna/060203.
  8. Давыдова М. А., Еланскй Н. Ф., Захарова С. А., Постыляков О. В. Применение численно-асимптотического подхода в задаче восстановления параметров локального стационарного источника антропогенного загрязнения // Докл. РАН. Матем., информ., проц. упр., 2021. Т. 496. С. 34–39. EDN: RBHKAN. DOI: https://doi.org/10.31857/S2686954321010021.
  9. Khoshgou H., Neyshabouri S. A. A. S. Using the backward probability method in contaminant source identification with a finite-duration source loading in a river // Environ. Sci. Pollut. Res., 2021. vol. 29, no. 4. pp. 6306–6316. DOI: https://doi.org/10.1007/s11356-021-15372-6.
  10. Ладыженская О. А., Солонников В. А., Уральцева Н. Н. Линейные и квазилинейные уравнения параболического типа. М.: Наука, 1967. 736 с. EDN: VLRBIL.
  11. Полянин А. Д., Вязьмин А. В., Журов А. И., Казенин Д. А. Справочник по точным решениям уравнений тепло- и массопереноса. М.: Факториал, 1998. 368 c. EDN: TVLOTF.
  12. Evans L. C. Partial Differential Equations / Graduate Studies in Mathematics. vol. 19. Providence, RI: American Mathematical Society, 2010. xxii+749 pp. DOI: https://doi.org/10.1090/gsm/019.
  13. Гихман И. И., Скороход А. В. Введение в теорию случайных процессов. М.: Наука, 1977. 567 с.
  14. Pardoux É., Peng S. Backward doubly stochastic differential equations and systems of quasilinear SPDEs // Prob. Theory Rel. Fields, 1994. vol. 98, no. 2. pp. 209–227. DOI: https://doi.org/10.1007/bf01192514.
  15. Pardoux É., Veretennikov A. Yu. Averaging of backward stochastic differential equations, with application to semi-linear PDE’s // Stochastics Stochastics Rep., 1997. vol. 60, no. 3–4. pp. 255–270. DOI: https://doi.org/10.1080/17442509708834109.
  16. Pardoux É., Răşcanu A. Stochastic Differential Equations, Backward SDEs, Partial Differential Equations / Stochastic Modelling and Applied Probability. vol. 69. Heidelberg: Springer, 2014. xvii+667 pp. DOI: https://doi.org/10.1007/978-3-319-05714-9.
  17. Freidlin M. I., Wentzell A. D. Random Perturbations of Dynamical Systems / Grundlehren der mathematischen Wissenchafften. vol. 260. Berlin, Heidelberg: Springer, 2012. xxviii+458 pp. DOI: https://doi.org/10.1007/978-3-642-25847-3.
  18. Milstein G. N., Tretyakov M. V. Stochastic Numerics for Mathematical Physics / Scientific Computation. Berlin, Heidelberg: Springer, 2004. xix+596 pp. DOI: https://doi.org/10.1007/978-3-662-10063-9.
  19. Desmond J. H., Mao X., Stuart A. M. Strong convergence of Euler-type methods for nonlinear stochastic differential equations // SIAM J. Numer. Anal., 2002. vol. 40, no. 3. pp. 1041–1063. DOI: https://doi.org/10.1137/s0036142901389530.
  20. Higham D. J. Stochastic ordinary differential equations in applied and computational mathematics // IMA J. Appl. Math., 2011. vol. 76, no. 3. pp. 449–474. DOI: https://doi.org/10.1093/imamat/hxr016.
  21. Mao X. The truncated Euler–Maruyama method for stochastic differential equations // J. Comput. Appl. Math., 2015. vol. 290. pp. 370-384. EDN: USCFLN DOI: https://doi.org/10.1016/j.cam.2015.06.002.
  22. Taleb L., Selvaduray S., Fujita Yashima H. Approximation par une moyenne locale de la solution de l’équation de transport-diffusion // Afr. Math. Ann., 2020. vol. 8. pp. 71–90 (In French).
  23. Smaali H., Fujita Yashima H. Une généralisation de l’approximation par une moyenne locale de la solution de l’équation de transport-diffusion // Afr. Math. Ann., 2021. vol. 9. pp. 89–108 (In French).
  24. Тихонов А. Н., Самарский А. А. Уравнения математической физики. М.: Наука, 1977. 735 с.
  25. Владимиров В. С. Обобщенные функции в математической физике. М.: Наука, 1979. 280 с.
  26. Emanuel K. A similarity hypothesis for air-sea exchange at extreme wind speeds // J. Atmos. Sci., 2003. vol. 60, no. 11. pp. 1420–1428. DOI: https://doi.org/10.1175/1520-0469(2003)060<1420:ASHFAE>2.0.CO;2.
  27. Du Y., Xie S., Huang G., Hu K. Role of air-sea interaction in the long persistence of El Niño-induced North Indian Ocean warming // J. Climate, 2009. vol. 22, no. 8. pp. 2023–2038. DOI: https://doi.org/10.1175/2008JCLI2590.1.
  28. Власова Г. А., Нгуен Ба Суан, Деменок М. Н. Циркуляция вод Южно-Китайского моря в зоне Вьетнамского течения в условиях южного тропического циклона весной 1999 г.: результаты численного моделирования // Фундам. прикл. гидрофиз., 2016. Т. 9, № 4. С. 25–34. EDN: XELWBN.
  29. Shi Y., Zhang Q., Wang S., Yang K., Yang Y., Ma Y. Impact of typhoon on evaporation dust in the Northwest Pacific Ocean // IEEE Access, 2019. vol. 7. pp. 109111–109119. DOI: https://doi.org/10.1109/access.2019.2932969.
  30. Аоуаоуда М., Аяди А., Фужита-Яшима Х. Математическое моделирование тропических циклонов на основе описания траекторий ветра // Ж. вычисл. матем. и матем. физ., 2019. Т. 59, № 9. С. 1554–1569. EDN: JJUVVC. DOI: https://doi.org/10.1134/S0044466919090047.
  31. Cotton W., Bryan G., van den Heever S. Storm and Cloud Dynamics. The Dynamics of Clouds and Precipitating Mesoscale Systems / International Geophysics Series. vol. 99. Amsterdam: Academic Press, 2011. xvi+809 pp. DOI: https://doi.org/10.1016/c2009-0-02127-8.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Авторский коллектив; Самарский государственный технический университет (составление, дизайн, макет), 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».