彭志超;王敏;李凤燕 一种基于学习的运输问题模型降阶投影方法。 (英语) Zbl 1502.65173号 J.计算。申请。数学。 418,文章ID 114560,28 p.(2023). 摘要:以输运为主导的问题解流形的Kolmogorov宽度可以缓慢衰减。因此,为此类问题设计高效、准确的降阶模型(ROM)可能具有挑战性。为了解决这个问题,我们提出了一种新的基于学习的投影方法来构造用于传输问题的非线性自适应ROM。构造遵循离线-在线分解。在离线阶段,我们训练一个神经网络来构造依赖于时间和模型参数的自适应约化基。在在线阶段,我们将解决方案投影到学习到的约化流形。该方法继承了深度学习和投影方法的优点,比传统的基于线性投影的方法效率更高,并且可以减少基于学习的ROM的泛化误差。与一些基于学习的投影方法不同,该方法在在线阶段不需要对神经网络进行导数。 引用于1文件 MSC公司: 65M99型 偏微分方程、初值和含时初边值问题的数值方法 68T07型 人工神经网络与深度学习 2009年第35季度 输运方程 关键词:降阶模型;运输问题;深度学习;神经网络;投影法;适应的 软件:NGSolve公司;DeepONet(深度网络);TensorFlow公司 PDF格式BibTeX公司 XML格式引用 \textit{Z.Peng}等人,J.Compute。申请。数学。418,文章ID 114560,28 p.(2023;Zbl 1502.65173) 全文: 内政部 arXiv公司 参考文献: [1] 彼得·本纳(Peter Benner);马里奥·奥伯格;阿尔伯特·科恩;Willcox,Karen,《模型简化和近似:理论和算法》(2017),SIAM·Zbl 1378.65010号 [2] Mario Ohlberger,Stephan Rave,《简化基础方法:成功、局限性和未来挑战》,载于《算法学报》,2016年,第1-12页。 [3] 格雷夫,C。;Urban,K.,波问题的Kolmogorov N宽度衰减,应用。数学。莱特。,96216-222(2019)·Zbl 1423.35242号 [4] 阿尔伯特·科恩;罗纳德·德维尔(Ronald Devore);格尔加纳彼得罗娃;Wojtaszczyk,Przemyslaw,最优稳定非线性逼近,Found。计算。数学。,1-42 (2021) [5] Allan Pinkus,N-Widths in Approximation Theory,第7卷(2012),Springer Science&Business Media·Zbl 0551.41001号 [6] 贝尔库兹,加尔;菲利普·霍姆斯;Lumley,John L.,湍流分析中的适当正交分解,Annu。流体力学版次。,25339-575(1993年) [7] 马丁·古比什(Martin Gubisch);Volkwein,Stefan,线性二次型最优控制的恰当正交分解,(模型简化和逼近:理论和算法,第5卷(2017),SIAM),66 [8] Hesthaven,Jan S。;Gianluigi Rozza;本杰明·斯坦姆,《参数化偏微分方程的认证简化基方法》,第590卷(2016年),施普林格出版社·Zbl 1329.65203号 [9] Carlberg,K.,《降阶模型的自适应(h)-精化》,国际。J.数字。方法工程,102,5,1192-1210(2015)·Zbl 1352.65136号 [10] Peherstorfer,B.,通过在线自适应基和自适应采样对以传输为主导的问题进行模型简化,SIAM J.Sci。计算。,42、5、A2803-A2836(2020)·Zbl 1453.65286号 [11] 朱利叶斯·雷斯;菲利普·舒尔茨(Philipp Schulze);杰恩·塞斯特亨;Mehrmann,Volker,《移位本征正交分解:多重输运现象的模式分解》,SIAM J.Sci。计算。,40、3、A1322-A1344(2018)·Zbl 1446.65212号 [12] 兰博德·莫伊加尼;Balajewicz,Maciej,对流主导非线性流降维的拉格朗日基方法(2017),arXiv:1701.04343 [13] Lu,Hannah;Tartakovsky,Daniel M.,用于构建对流主导现象的降阶模型的拉格朗日动力模式分解,J.Compute。物理。,407,第109229条pp.(2020)·Zbl 07504703号 [14] Lu,Hannah;Tartakovsky,Daniel M.,用于构造带冲击双曲问题降阶模型的动态模式分解,J.马赫。学习。模型。计算。,2, 1 (2021) ·Zbl 07515451号 [15] 罗利,C。;凯夫雷基迪斯,I。;J.马斯登。;Lust,K.,自相似动力系统的简化与重构,非线性,16,4,1257(2003)·Zbl 1066.37036号 [16] Ohlberger,M。;Rave,S.,通过冻结方法对参数化发展方程进行非线性约化基近似,C.R.数学。,351, 23-24, 901-906 (2013) ·Zbl 1281.65117号 [17] 贝恩,W.-J。;Thümmler,V.,等变演化方程的冻结解,SIAM J.Appl。动态。系统。,3, 2, 85-116 (2004) ·Zbl 1061.65078号 [18] Welper,G.,(h)和(h p)-参数和随机双曲偏微分方程的变换快照自适应插值(2017),arXiv:1710.11481·Zbl 1370.41050号 [19] Welper,G.,通过变换快照插值具有参数相关跳跃的函数,SIAM J.Sci。计算。,39、4、A1225-A1250(2017)·Zbl 1370.41050号 [20] Welper,G.,用高分辨率变换变换快照插值,SIAM J.Sci。计算。,42、4、A2037-A2061(2020)·Zbl 1452.65297号 [21] 杰布·J·F。;Lombardi,D.,非线性演化方程降阶积分的近似Lax对,J.Comput。物理。,265, 246-269 (2014) ·Zbl 1349.65548号 [22] 杰布·J·F。;伦巴第,D。;Schenone,E.,用近似松弛对的心脏电生理学降阶模型,高级计算机。数学。,41, 5, 1103-1130 (2015) ·Zbl 1336.65164号 [23] Kirby,M。;Armbruster,D.,从PDE模拟重建相空间,Z.Angew。数学。物理。ZAMP,43,6,999-1022(1992)·Zbl 0764.35008号 [24] 罗利,C。;Marsden,J.,对称系统的重建方程和Karhunen-Loève展开,Physica D,142,1-2,1-19(2000)·Zbl 0954.35144号 [25] 轮辋,D。;Moe,S。;LeVeque,R.,双曲型偏微分方程模型简化的输运反转,SIAM/ASA国际期刊《不确定性》。数量。,6, 1, 118-150 (2018) ·Zbl 1398.65084号 [26] Taddei,T。;佩罗托,S。;Quarteroni,A.,非线性守恒定律的简化基技术,ESAIM数学。模型。数字。分析。,49, 3, 787-814 (2015) ·Zbl 1316.65079号 [27] Taddei,T.,《模型降阶的注册方法:数据压缩和几何降阶》,SIAM J.Sci。计算。,42,2,A997-A1027(2020)·Zbl 1439.65196号 [28] Torlo,Davide,《ale框架中平流主导双曲线问题的模型简化:离线和在线阶段》(2020),arXiv预印本arXiv:2003.13735 [29] 安德烈亚·费雷罗(Andrea Ferrero);托马索·塔代伊;张磊,参数化二维守恒律的基于注册的模型约简(2021),arXiv预印本arXiv:2105.02024·Zbl 1515.65291号 [30] 埃拉切尔,V。;伦巴第,D。;O.穆拉。;Vialard,F.-X.,度量空间上的非线性模型约简。应用于wasserstein空间中的一维保守偏微分方程,ESAIM数学。模型。数字。分析。(2019) [31] Cagniart,北卡罗来纳州。;Crisovan,R。;Maday,Y。;Abgrall,R.,双曲线问题的模型降阶:一个新框架(2017) [32] Cagniart,N.,《模型降阶中的几种非线性方法》(2018),索邦大学(博士论文) [33] 尼古拉斯·卡尼亚特(Nicolas Cagniart);伊冯·玛代(Yvon Maday);斯坦姆,本杰明,大对流效应问题的模型降阶,(对偏微分方程和应用的贡献(2019),施普林格),131-150·Zbl 1416.35021号 [34] 诺尼诺,M。;巴拉林,F。;Rozza,G。;Maday,Y.,《通过传输图克服缓慢衰减的Kolmogorov宽度:流体动力学模型降阶和流体-结构相互作用问题的应用》(2019年),arXiv:1911.06598 [35] 轮辋,D。;佩赫斯托弗,B。;Mandli,K.,通过传输子空间的流形近似:传输主导问题的模型简化(2019),arXiv:1912.13024 [36] 奈尔,N。;Balajewicz,M.,含参数相关激波的参数化稳态流体流动的传输快照模型降阶方法,国际。J.数字。方法工程,117,12,1234-1262(2019) [37] 兰博德·莫伊加尼;Balajewicz,Maciej,对流为主的PDE的基于物理感知注册的自动编码器(2020),arXiv预印本arXiv:2006.15655 [38] McCann,R.,《相互作用气体的凸性原理》,高等数学。,128, 1, 153-179 (1997) ·Zbl 0901.49012号 [39] 维拉尼,C.,《最佳交通:新旧》,第338卷(2008年),施普林格科学与商业媒体 [40] Lee,K。;Carlberg,K.,《深度守恒:精确满足物理守恒定律的潜在动力学模型》(2019),arXiv:1909.09754 [41] Lee,K。;Carlberg,K.,使用深度卷积自动编码器的非线性流形上动态系统的模型约简,J.Comput。物理。,404,第108973条pp.(2020)·Zbl 1454.65184号 [42] Kim,Y。;Choi,Y。;Widemann,D。;Zohdi,T.,《一种快速准确的基于物理信息的神经网络降阶模型与浅掩蔽自动编码器》(2020),arXiv:2009.11990 [43] 弗雷斯卡,斯蒂芬尼亚;Manzoni,Andrea,《基于深度学习的非线性时变参数化偏微分方程降阶建模综合方法》,科学杂志。计算。,87, 2, 1-36 (2021) ·Zbl 1470.65166号 [44] 轮辋,D。;文丘里。;布鲁纳,J。;Peherstorfer,B.,非线性模型归约中归约深度网络的深度分离:非线性双曲问题中的冲击波提取(2020),arXiv:2007.13977 [45] 比阿特丽斯·巴蒂斯蒂;布利克汉,托拜厄斯;纪尧姆·恩切里;弗吉尼亚州埃拉彻;达米亚诺·伦巴第;Mula,Olga,Wasserstein多孔介质参数化流动问题的模型简化方法(2022) [46] Melenk,Jens M.,关于椭圆问题的(n)-宽度,J.Math。分析。申请。,247, 1, 272-289 (2000) ·Zbl 0963.35047号 [47] 安娜莉莎·布法;伊冯·玛代(Yvon Maday);安东尼·佩特拉(Anthony T.Patera)。;普鲁德霍姆,克里斯托夫;Turinici,Gabriel,参数化约化基方法贪婪算法的先验收敛,ESAIM:Math。模型。数字。分析模型。数学。分析。编号。,46, 3, 595-603 (2012) ·Zbl 1272.65084号 [48] 卡门·格雷;Hinze,Michael,POD利用任意有限元离散化对演化方程进行降阶建模,Adv.Comput。数学。,44, 6, 1941-1978 (2018) ·Zbl 1404.65264号 [49] Yano,Masayuki,参数化非线性守恒律模型简化的间断Galerkin简化基经验求积程序,高级计算。数学。,45, 5, 2287-2320 (2019) ·Zbl 1435.65213号 [50] Yano,Masayuki,参数化非线性偏微分方程的目标导向模型简化:在空气动力学中的应用,国际。J.数字。方法工程,121,23,5200-5226(2020) [51] 沃尔夫冈·达曼;王敏;Wang,Zhu,状态估计的非线性简化DNN模型(2021),arXiv预印本arXiv:2110.08951·Zbl 1492.65291号 [52] 伊冯·玛代(Yvon Maday);Stamm,Benjamin,各向异性参数约化基空间的局部自适应贪婪近似,SIAM J.Sci。计算。,35、6、A2417-A2441(2013)·Zbl 1285.65009号 [53] 韩洁群;马超;马,郑;Weinan,E.,动力学方程的基于机器学习的统一精确流体动力学模型,Proc。国家。阿卡德。科学。,116, 44, 21983-21991 (2019) ·兹比尔1431.76100 [54] 弗朗西斯科·罗莫尔;乔瓦尼·斯塔比尔;Rozza,Gianluigi,带卷积自动编码器和减少过配置方法的非线性流形ROM(2022),arXiv预印本arXiv:2203.00360 [55] Choi,Youngsoo;库姆斯,德肖恩;Anderson,Robert,SNS:用于时间相关模型降阶的基于解决方案的非线性子空间方法,SIAM J.Sci。计算。,42、2、A1116-A1146(2020)·Zbl 1442.37111号 [56] 陈燕来;西格尔·戈特利布;季立杰;Maday,Yvon,《一种基于过度配置和剩余超约简的误差估计的无EIM退化约简基方法》(2021),arXiv预印本arXiv:2101.05902·Zbl 07515446号 [57] Lee,Kookjin;Nathaniel A.Trask。;拉维·帕特尔(Ravi G.Patel)。;Gulian,Mamikon A。;Cyr,Eric C.,《单位网络的划分:深度hp-近似(2021)》,arXiv:2101.1256 [58] 鲁,鲁;金、彭湛;Karniadakis,George Em,Deeponet:基于算子的普遍逼近定理学习用于识别微分方程的非线性算子(2019),arXiv:1910.03193 [59] Martín Abadi、Paul Barham、Jianmin Chen、Zhifeng Chen、Andy Davis、Jeffrey Dean、Matthieu Devin、Sanjay Ghemawat、Geoffrey Irving、Michael Isard等人,《Tensorflow:大型机器学习系统》,载于:第十二届USENIX操作系统设计与实现研讨会,OSDI 16,2016年,第265-283页。 [60] 唐华忠;Tang,Tao,一维和二维双曲守恒律的自适应网格方法,SIAM J.Numer。分析。,41, 2, 487-515 (2003) ·Zbl 1052.65079号 [61] Schöberl,Joachim,《NGSolve中有限元的C++11实现》,30(2014),维也纳理工大学分析与科学计算研究所 [62] Wheeler,Mary Fanett,《带内部惩罚的椭圆配置有限元法》,SIAM J.Numer。分析。,15, 1, 152-161 (1978) ·Zbl 0384.65058号 [63] 蒋光山;Shu,Chi-Wang,加权ENO方案的高效实现,J.Compute。物理。,126, 1, 202-228 (1996) ·Zbl 0877.65065号 [64] 舒志旺;Osher,Stanley,《本质上非振荡冲击捕获方案的高效实现》,J.Compute。物理。,77, 2, 439-471 (1988) ·Zbl 0653.65072号 [65] 王敏;张小文;梁永达;Eric T.Chung。;叶尔钦·伊芬迪耶夫;惠勒,玛丽,流动力学的降阶深度学习。深度学习和模型简化之间的相互作用,J.Compute。物理。,401,第108939条pp.(2020)·Zbl 1454.76007号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。