We present a new analytical and numerical framework for solution of Partial Differential Equations (PDEs) that is based on an analytical transformation that moves the boundary constraints into the dynamics of the corresponding governing equation. The framework is based on a Partial Integral Equation (PIE) representation of PDEs, where a PDE equation is transformed into an equivalent PIE representation that does not require boundary conditions on its solution state. The PDE-PIE framework allows for a development of a generalized PIE-Galerkin approximation methodology for a broad class of linear PDEs with non-constant coefficients governed by non-periodic boundary conditions, including, e.g., Dirichlet, Neumann and Robin boundaries. The significance of this result is that solution to almost any linear PDE can now be constructed in a form of an analytical approximation based on a series expansion using a suitable set of basis functions, such as, e.g., Chebyshev polynomials of the first kind, irrespective of the boundary conditions. In many cases involving homogeneous or simple time-dependent boundary inputs, an analytical integration in time is also possible. We present several PDE solution examples in one spatial variable implemented with the developed PIE-Galerkin methodology using both analytical and numerical integration in time. The developed framework can be naturally extended to multiple spatial dimensions and, potentially, to nonlinear problems.


翻译:我们提出了一个新的分析和数字框架,用于解决部分差异方程式(PDE),这一框架基于分析转型,将边界限制转化为相应的治理方程的动态;这一框架基于PDE的局部综合方程式(PIE),该方程式转换成相当于PIE的表示法,该方程式不要求其解决方案状态的边界条件。PDE-PIE框架允许为具有非定期边界条件(例如Dirichlet、Neumann和Robin边界)所制约的非一致系数的大类线性PDE制定通用的PIE-G-Galerkin近似近似方法。这一结果的重要性是,现在几乎任何线性PDE的解决方案都可以以分析近似形式构建,其依据是一系列适当的基础功能,例如,无论边界条件如何,先行的Chebyshev Mynonicials, 在许多涉及单一或简单的时间依赖边界参数的情况下,在时间上进行分析整合,在时间上,分析一体化分析一体化是自然的。我们目前采用多种空间方法,有可能采用多种空间方法,采用多种方法。

0
下载
关闭预览

相关内容

专知会员服务
140+阅读 · 2021年2月3日
专知会员服务
68+阅读 · 2021年1月16日
【干货书】机器学习速查手册,135页pdf
专知会员服务
122+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
75+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
167+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
7+阅读 · 2018年11月5日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月12日
VIP会员
相关VIP内容
专知会员服务
140+阅读 · 2021年2月3日
专知会员服务
68+阅读 · 2021年1月16日
【干货书】机器学习速查手册,135页pdf
专知会员服务
122+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
75+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
167+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
相关资讯
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
将门创投
7+阅读 · 2018年11月5日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员