目前,分数阶微分方程的研究受到了广泛的关注。由于分数阶微积分和分数阶微分方程在物理、化学、机械工程、信号处理和系统识别、生物系统、控制理论、金融等领域的巨大应用潜力,工程师和科学家对其兴趣迅速增长等。事实上,可以注意到,分数微积分和分数微分方程最成功和最具体的应用之一是有效地刻画反常扩散。众所周知,普通扩散过程与中心极限定理的有效性密切相关,中心极限定理以均方位移的线性相关性为特征用扩散系数κ然而,一些扩散过程,特别是在各种复杂系统中,不再遵循高斯行为。这种现象称为反常扩散,用均方位移的非线性增长来描述扩散粒子随时间的变化t吨:,其中是扩散系数,以及α是反常扩散指数。对于不同的α,将异常扩散分为次扩散(),正常扩散(),超扩散()和弹道扩散() [1,2]. 为了精确描述反常扩散行为,菲克定律不可避免地需要修改[三].
在数值求解空间分数阶偏微分方程方面取得了很大进展[三–9]. 在这里,我们没有进一步研究这个方向,而是讨论了空间分数反扩散方程,即。确定一维空间分数扩散方程中仅依赖于空间变量的未知源。未知源的确定是通过观测数据获取有关物理对象或系统的信息,是工程科学许多分支中最重要和研究最深入的问题之一,例如热传导、裂纹识别、电磁理论、地球物理勘探和污染物检测。对于热源识别,已有大量针对不同形式热源的研究成果[10–17]. 据作者所知,用正则化方法识别分数阶扩散方程未知源的论文很少。在[18]对于有界区域中的分数阶扩散方程,作者证明了仅依赖于空间变量的未知源识别的唯一性。在[19]利用耦合方法,作者识别了空间分数阶扩散方程的未知源。在[20],作者用mollification方法识别了时间分数阶扩散方程的未知源。在[21]在时间分数阶扩散方程中,作者用边界元方法识别了仅依赖于时间变量的未知源。在[22]对于时间分数阶扩散方程,作者分别使用Tikhonov正则化方法和简化的Tikhonov-正则化方法来识别仅依赖于空间变量的未知源。在[23]对于时间分数阶扩散方程,作者利用截断正则化方法识别了仅依赖于空间变量的未知源。
本文考虑以下确定未知源项的反源问题,在下面的Riesz-Feller空间分数方程中:
(1.1)
其中,空间分数导数是Riesz-Feller分数阶导数α()和偏斜θ(,)它由中的傅里叶变换定义[24],即, [25]
(1.2)
哪里
(1.3)
此外,来自[24],Riesz-Feller分数导数可以写成
哪里是一个伽马函数。然而,为了便于数值计算,Riesz-Feller分数导数也可以定义如下(参见[26]):
表示源项。我们的目的是确定根据附加数据.自数据以来基于(物理)观测,必然存在测量误差,我们假设测量数据,满足
哪里表示-范数与常数是噪声级。
这个问题在哈达玛的意义上是不适定的,即,测量数据中的微小变化可能会破坏解决方案。通过在频域中解决问题,可以看出这种不适定性。为了分析中的问题(1.1),我们定义
(1.5)
这是函数的傅里叶变换.
使用傅立叶变换,我们得到了(1.1)的解,如下所示:
(1.6)
或同等标准,
(1.7)
请注意(,)有积极的现实意义,高频分量中的小误差将被因素放大作为.对数据的小干扰将被该因子无限放大,并导致积分(1.7)放大。所以识别未知来源根据测量数据身体严重不适。因此,当我们在,精确数据函数必须迅速腐烂。然而,测量数据功能,仅在,一般不具有这种衰减特性。因此,如果我们试图获得未知来源,误差中的高频分量被放大,可能会破坏解决方案。用经典方法解决问题(1.1)是不可能的。在下一节中,我们将使用傅里叶正则化方法来处理不适定问题。在此之前,我们将先验的绑定在输入数据上,即,
(1.8)
哪里是一个常量,表示Sobolev空间中的范数由定义
(1.9)
在[27]对于空间分数扩散方程,作者使用傅里叶方法识别仅依赖于空间变量的未知源,但正则化参数为先验的选择规则。一般来说,任何先验的方法;即,的先验的正则化参数的选择显然取决于先验的跳跃E类未知解决方案。但是先验的跳跃E类在实践中无法确切知道,并且使用错误的常量E类可能导致不好的正则化解决方案。在本文件中后部将给出正则化参数的选择。据作者所知,很少有论文通过后部这个问题的规则。
傅里叶正则化方法已被研究用于求解各种类型的反问题。埃尔登等。[28]利用截断法对一维热传导反问题进行了分析和计算。熊等。[29]用它来考虑侧面热方程的表面热通量。傅等。[30]用它来解决反向热传导问题。钱等。[31]用它来考虑数值微分。里根斯卡和里根斯基[32]将其应用于亥姆霍兹方程的柯西问题。窦等。[33]用它来识别仅依赖于空间变量的未知热源。杨和傅[34]使用它来识别仅依赖于时间变量的未知热源。但在这些论文中,正则化参数是先验的选择规则。在本文中,我们将给出后部识别分数阶扩散方程中未知源的选择规则。
论文大纲如下。第2节给出了一些辅助结果,傅里叶正则化方法和后部参数选择规则。在第三节中,给出了一些数值例子来证明该方法的有效性。第四节以简短的结论结束本文。