随机Burgers方程的数据驱动模型约简
摘要
1.简介
2.随机Burgers方程的时空约简
2.1. 随机Burgers方程
2.2. 伽辽金谱法
2.3. 非线性伽辽金与推理模型约简
3.简化模型的推断
3.1. 参数化简化模型的推导
3.2. 傅里叶模式下的数值简化模型
地图 是确定性的向前1步 K(K) -模式Galerkin截断方程 使用具有时间步长的数值积分格式 即。, 。我们使用ETDRK4方案。 术语 表示 k个 -时间间隔内随机力的第个傅里叶模式 ,按缩放 ,它与 因此,简化模型可以线性量化低阶模态对随机力的响应。 功能 是一个函数 带参数 根据数据进行估算。 特别是,系数 和 作为对截断方程的积分的校正。
3.3. 数据生成和参数估计
3.4。 型号选择
交叉验证:简化模型应稳定,并能再现解析过程的分布,尤其是主要的动态统计特性。 我们将考虑能量谱、边际不变密度和时间相关性: 对于 .
4.时空缩减的数值研究
4.1. 设置
在这种情况下, 即,随机力不作用于未解析的傅里叶模式 w个 在(7)中,所以 w个 是解析傅立叶模式历史的确定函数。 鉴于(14b),简化模型主要量化了这一确定性映射。 我们称这种情况为“确定性响应的减少”,并在 第4.3节 .
4.2. 型号选择和内存长度
4.3. 确定性响应的减少
4.4. 包含未求解随机力的约简
4.5. 关于时空缩减的讨论
最大时间步长取决于随机力的空间维数和规模,主要受限于非线性简化模型的稳定性。 图4 显示了当 至少是 具有 ,比 它还表明,随着随机力的规模从 到 NAR模型的最大时间步长减小(因为NAR模型要么变得不稳定,要么在能量谱上有较大误差)。 值得注意的是,NAR模型的这些最大时间步长小于 K(K) -Galerkin系统可以容忍的模式。 图7 表明 K(K) -模式Galerkin系统可以在比NAR模型大得多的时间步长下稳定:K模式Galergin系统的最大时间步长是当平均CFL数(线性增加)达到1时,但NAR模型稳定的最大时间步较小。 例如,在设置中 ,Galerkin系统的最大时间间隔为 (红色菱形线的末端),但NAR模型的最大时间间隔约为 。NAR模型的数值不稳定性增加可能是由于非线性项 这对于NAR模型保持能量耗散和能量谱很重要(参见 图2 和中的系数 图3 ).
5.结论
基金
致谢
利益冲突
缩写
工具书类
Stinis,P.Mori Zwanzig不确定性量化的简化模型II:初始条件不确定性。 arXiv公司 2012 ,arXiv:1212.6360。 [ 谷歌学者 ] Li,Z。; 卞,X。; 李,X。; Karniadakis,G.E.通过Mori-Zwanzig形式主义将记忆效应纳入粗训练建模。 化学杂志。 物理学。 2015 , 143 , 243128. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Lu,F。; 涂,X。; Chorin,A.J.通过随机参数化解释集合卡尔曼滤波器中未解尺度的模型误差。 周一。 天气。 修订版。 2017 , 145 , 3709–3723. [ 谷歌学者 ] [ 交叉参考 ] Lu,F。; 韦策尔,N。; Monahan,A.基于稀疏噪声数据的非线性随机能量平衡模型的联合状态参数估计。 非线性过程。 地球物理学。 2019 , 26 , 227–250. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 茨万齐格,R。 非平衡统计力学 ; 牛津大学出版社:美国纽约州纽约市,2001年。 [ 谷歌学者 ] Chorin,A.J。; O.H.哈尔德。 数学和科学中的随机工具 第3版。; 施普林格:美国纽约州纽约市,2013年。 [ 谷歌学者 ] Lin,K.K。; Lu,F.数据驱动模型简化、Wiener投影和Koopman-Mori-Zwanzig形式主义。 J.计算。 物理学。 2020 , 424 , 109864. [ 谷歌学者 ] [ 交叉参考 ] Kondrashov,D。; 医学博士Chekroun。; Ghil,M.数据驱动的非马尔可夫封闭模型。 物理D 2015 , 297 , 33–55. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 哈里姆·J。; Li,X.非线性薛定谔方程的参数化简化模型。 物理学。 版本E 2015 , 91 ,053306。 [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Lei,H。; 贝克,N.A。; Li,X.广义Langevin方程的数据驱动参数化。 程序。 国家。 阿卡德。 科学。 美国 2016 , 113 , 14183–14188. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 谢,X。; Mohebujjaman,M。; 雷霍尔茨,L.G。; 伊利埃斯库,T.数据驱动流体流动的过滤降阶模型。 SIAM J.科学。 计算。 2018 , 40 ,B834–B857。 [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 医学博士Chekroun。; Kondrashov,D.数据自适应谐波谱和多层Stuart-Landau模型。 混沌间盘。 非线性科学杂志。 2017 , 27 , 093110. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Chorin,A.J。; Lu,F.非线性动力学中随机参数化和降维的离散方法。 程序。 国家。 阿卡德。 科学。 美国 2015 , 112 , 9804–9809. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Lu,F。; Lin,K.K。; Chorin,A.J.基于数据的Kuramoto–Sivashinsky方程随机模型简化。 物理D 2017 , 340 , 46–57. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Pathak,J。; 亨特,B。; Girvan,M。; 卢,Z。; Ott,E.《基于数据的大型时空混沌系统的无模型预测:水库计算方法》。 物理学。 修订稿。 2018 , 120 , 024102. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] 马,C。; Wang,J。; E、 动态系统的记忆模型简化和机器学习。 Commun公司。 计算。 物理学。 2018 , 25 , 947–962. [ 谷歌学者 ] [ 交叉参考 ] 哈里姆·J。; Jiang,S.W。; Liang,S。; Yang,H.缺失动力学预测的机器学习。 J.计算。 物理学。 2020 . [ 谷歌学者 ] [ 交叉参考 ] E.J.帕里什。; Duraisamy,K.,《使用场反演和机器学习的数据驱动预测建模范式》。 J.计算。 物理学。 2016 , 305 ,758–774,工程师。 [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Duan,J。; 魏伟(Wei,W.)。 随机偏微分方程的有效动力学 ; 爱思唯尔出版社:荷兰阿姆斯特丹,2014年。 [ 谷歌学者 ] Stinis,P.无尺度分离系统的重整化Mori-Zwanzig-简化模型。 程序。 R.Soc.A公司 2015 , 471 , 20140446. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] 哈德逊,T。; Li,X.H.通过Mori-Zwanzig形式主义对过阻尼Langevin动力学进行粗训练。 多尺度模型。 模拟。 2020 , 18 , 1113–1135. [ 谷歌学者 ] [ 交叉参考 ] Choi,Y。; Carlberg,K.非线性模型简化的时空最小二乘Petrov-Galerkin投影。 SIAM J.科学。 计算。 2019 , 41 ,A26–A58。 [ 谷歌学者 ] [ 交叉参考 ] Jiang,S.W。; Harlim,J.缺失动力系统建模:使用非参数框架推导参数模型。 Res.数学。 科学。 2020 , 7 , 1–25. [ 谷歌学者 ] [ 交叉参考 ] 马里恩,M。; Temam,R.非线性Galerkin方法。 SIAM J.数字。 分析。 1989 , 26 , 1139–1157. [ 谷歌学者 ] [ 交叉参考 ] 医学博士Jolly。; Kevrekidis,I.G.公司。; Titi,E.S.Kuramoto-Sivashinsky方程的近似惯性流形:分析和计算。 物理D 1990 , 44 , 38–60. [ 谷歌学者 ] [ 交叉参考 ] Rosa,R.指数阶近似惯性流形。 离散连续。 发电机。 系统。 1995 , 三 , 421–448. [ 谷歌学者 ] [ 交叉参考 ] Novo,J。; Titi,E.S。; Wynne,S.使用高精度近似惯性流形的高效方法。 数字。 数学。 2001 , 87 , 523–554. [ 谷歌学者 ] [ 交叉参考 ] Zelik,S.耗散偏微分方程的惯性流形和有限维约化。 程序。 R.Soc.爱丁堡。 A类 2014 , 144 , 1245–1327. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 张,H。; 哈里姆·J。; Li,X.使用基于正交多项式的估计量计算线性响应统计:RKHS公式。 arXiv公司 2019 ,arXiv:1912.11110。 [ 谷歌学者 ] 潘,S。; Duraisamy,K。封闭模型的数据驱动发现。 SIAM J.应用。 动态。 系统。 2018 , 17 , 2381–2413. [ 谷歌学者 ] [ 交叉参考 ] E、 W。; Khanin,K。; 马泽尔,A。; Sinai,Y.G.具有随机强迫的Burgers方程的不变测度。 安。数学。 2000 , 151 , 877–960. [ 谷歌学者 ] [ 交叉参考 ] Chorin,A.J.Korteveg-deVries-Burgers方程的平均化和重正化。 程序。 国家。 阿卡德。 科学。 美国 2003 , 100 , 9674–9679. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Chorin,A.J。; Hald,O.H.Burgers和Korteweg-deVries-Burgers方程的粘度相关惯性谱。 程序。 国家。 阿卡德。 科学。 美国 2005 , 102 , 3921–3923. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 贝克·J。; Khanin,K.Burgers湍流。 物理学。 代表。 2007 , 447 , 1–66. [ 谷歌学者 ] [ 交叉参考 ] 贝克,M。; Wayne,C.E.使用全局不变流形理解小粘度Burgers方程的亚稳定性。 SIAM J.应用。 动态。 系统。 2009 , 8 , 1043–1065. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Wang,Z。; 阿赫塔,I。; Borggaard,J。; Iliescu,T.正确正交分解非线性闭包模型的两层离散化。 J.计算。 物理学。 2011 , 230 , 126–146. [ 谷歌学者 ] [ 交叉参考 ] 多拉普奇耶夫,S。; 阿查兹,美国。; Timofeyev,I.强迫Burgers方程有限差分离散化中局部平均值的随机闭包。 西奥。 计算。 流体动力学。 2013 , 27 ,297–317页。 [ 谷歌学者 ] [ 交叉参考 ] 本纳,P。; 古吉丁,S。; Willcox,K.参数动力系统基于投影的模型简化方法综述。 SIAM修订版。 2015 , 57 , 483–531. [ 谷歌学者 ] [ 交叉参考 ] Quarteroni,A。; Manzoni,A。; F.内格里。 偏微分方程的约化基方法:简介 ; 施普林格:德国柏林/海德堡,2015年; 第92卷。 [ 谷歌学者 ] Sinai,Y.G.关于带力Burgers方程解的渐近行为的两个结果。 《统计物理学杂志》。 1991 , 64 , 1–12. [ 谷歌学者 ] [ 交叉参考 ] 达普拉托,G。 无限维分析导论 ; 施普林格科技与商业媒体:德国柏林/海德堡,2006年。 [ 谷歌学者 ] 考克斯,S.M。; Matthews,P.C.刚性系统的指数时间差分。 J.计算。 物理学。 2002 , 176 , 430–455. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 卡萨姆,A.K。; Trefethen,法律公告僵硬PDE的四阶时间步进。 SIAM J.科学。 计算。 2005 , 26 , 1214–1233. [ 谷歌学者 ] [ 交叉参考 ] Gottlieb,D。; Orszag,S。 谱方法的数值分析:理论与应用 ; SIAM:美国宾夕法尼亚州费城,1977年。 [ 谷歌学者 ] 范,J。; Q·姚。 非线性时间序列:非参数和参数方法 ; 施普林格:美国纽约州纽约市,2003年。 [ 谷歌学者 ] Lu,F。; Lin,K.K。; Chorin,A.J.亚椭圆系统连续和离散时间基于数据建模的比较。 Commun公司。 申请。 数学。 计算。 科学。 2016 , 11 , 187–216. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 北卡罗来纳州维尔胡尔。; Crommelin,D.VARX过程的随机参数化。 arXiv公司 2020 ,arXiv:stat.ME/2010.03293。 [ 谷歌学者 ] Y.A.库托扬茨。 遍历扩散过程的统计推断 ; 施普林格:德国柏林/海德堡,2004年。 [ 谷歌学者 ] Tibshirani,R.通过套索回归收缩和选择。 J.R.统计社会服务。 (Methodol.) 1996 , 58 ,第267页至第288页。 [ 谷歌学者 ] [ 交叉参考 ] 布罗克韦尔,P。; R·戴维斯。 时间序列和预测简介 ; 施普林格:美国纽约州纽约市,2002年。 [ 谷歌学者 ] Billings,S.A.公司。 非线性系统辨识:时间、频率和时空域的NARMAX方法 ; 约翰·威利父子:美国新泽西州霍博肯,2013年。 [ 谷歌学者 ] Györfi,L。; 科勒,M。; Krzyzak,A。; Walk,H。 非参数回归的无分布理论 ; 施普林格科技与商业媒体:德国柏林/海德堡,2006年。 [ 谷歌学者 ] Lu,F。; 钟,M。; 唐,S。; Maggioni,M.从轨迹数据对主体系统中相互作用定律的非参数推断。 程序。 国家。 阿卡德。 科学。 美国 2019 , 116 , 14424–14433. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] She,Y.基于阈值的模型选择和收缩迭代选择程序。 电子。 J.统计。 2009 , 三 , 384–415. [ 谷歌学者 ] [ 交叉参考 ] 奎德,M。; 阿贝尔,M。; 新泽西州库茨。; Brunton,S.L.快速恢复模型的非线性动力学稀疏辨识。 混乱 2018 , 28 , 063116. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ]