This study presents a comprehensive spatial eigenanalysis of fully-discrete discontinuous spectral element methods, now generalizing previous spatial eigenanalysis that did not include time integration errors. The influence of discrete time integration is discussed in detail for different explicit Runge-Kutta (1st to 4th order accurate) schemes combined with either Discontinuous Galerkin (DG) or Spectral Difference (SD) methods, both here recovered from the Flux Reconstruction (FR) scheme. Selected numerical experiments using the improved SD method by Liang and Jameson [1] are performed to quantify the influence of time integration errors on actual simulations. These involve test cases of varied complexity, from one-dimensional linear advection equation studies to well-resolved and under-resolved inviscid vortical flows. It is shown that, while both well-resolved and under-resolved simulations of linear problems correlate well with the eigenanalysis prediction of time integration errors, the correlation can be much worse for under-resolved nonlinear problems. The effect of mesh regularity is also considered, where time integration errors are found to be, in the case of irregular grids, less pronounced than those of the spatial discretisation. In fact, for the under-resolved vortical flows considered, the predominance of spatial errors made it practically impossible for time integration errors to be distinctly identified. Nevertheless, for well-resolved nonlinear simulations, the effect of time integration errors could still be recognized. This highlights that the interaction between space and time discretisation errors is more complex than otherwise anticipated, contributing to the current understanding about when eigenanalysis can effectively predict the behaviour of numerical errors in practical under-resolved nonlinear problems, including under-resolved turbulence computations.


翻译:本研究对完全分解不连续的光谱元素错误进行了全面的空间天平分析,现在将先前的空间天平分析法(不包括时间整合误差)加以归纳,其中不包括时间整合错误。对于离散时间整合的影响,将详细讨论不同的显性龙格-库塔(第1至4级准确)计划的影响,结合不连续的伽列尔金(DG)或光谱差异(SD)方法,这两种方法均在此从通量重建(Flus Reform)方案(FR)中回收。使用Liang和Jameson[1]改进的SD方法进行的一些数字实验,以量化时间整合错误对实际模拟的影响。这些测试涉及从单维线性线性对映等方方程式研究到清晰解析和未彻底解析内流的复杂时间整合情况。在确定时间整合时间整合期间,对于时间整合时间整合的稳定性的不确定性可能比非线性非直线性问题要严重得多。在时间整合中,在确定时间整合过程中,对于时间整合的稳定性的稳定性也被视为不固定的不固定的数值。在时间整合中,在时间整合中发现,在时间整合中,在时间整合中,这些时间整合过程中的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性的稳定性也比在时间流也会有助于。

0
下载
关闭预览

相关内容

Integration:Integration, the VLSI Journal。 Explanation:集成,VLSI杂志。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/journals/integration/
强化学习最新教程,17页pdf
专知会员服务
181+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
多轮对话之对话管理:Dialog Management
PaperWeekly
18+阅读 · 2018年1月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Arxiv
6+阅读 · 2018年10月3日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关VIP内容
强化学习最新教程,17页pdf
专知会员服务
181+阅读 · 2019年10月11日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
多轮对话之对话管理:Dialog Management
PaperWeekly
18+阅读 · 2018年1月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Top
微信扫码咨询专知VIP会员