×
本杰明·帕切夫;杰瑞德·怀特黑德（Jared P.Whitehead）。;谢恩·麦夸里（Shane A.McQuarrie）。

Kuramoto-Sivashinsky方程证明了并行多参数学习。 （英语） Zbl 1500.35227号

SIAM J.科学。计算。 44，编号5，A2974-A2990（2022）.
摘要：我们开发了一种基于微移数据同化方案的算法，用于部分观测状态的演化耗散偏微分方程系统标量参数的并发（实时）估计。该算法利用了用真实系统中的数据微调参数不正确的系统所产生的错误。该算法的直观性使其能够立即扩展到几个不同的系统，并允许同时恢复多个参数。我们在一维Kuramoto-Sivashinsky方程上测试了该方法，并证明了其在这方面的有效性。

引用于4文件

理学硕士：

35第30季度 Navier-Stokes方程
35问题35 与流体力学相关的PDE
37元50分 平滑动力学中的近似轨迹（伪轨迹、阴影等）
68T05型 人工智能中的学习和自适应系统
65M60毫米 涉及偏微分方程初值和初边值问题的有限元、Rayleigh-Ritz和Galerkin方法

关键词：

数据同化;参数恢复;Kuramoto-Sivashinsky方程;轻推

软件：

DeepONet（深度网络）
PDF格式BibTeX公司 XML格式引用
\textit{B.Pachev}等人，SIAM J.Sci。计算。44，编号5，A2974——A2990（2022；兹bl 1500.35227）
全文： 内政部 arXiv公司

参考文献：

[1] A.Azouani、E.Olson和E.S.Titi，使用一般插值观测值的连续数据同化，《非线性科学杂志》。，24（2014），第277-304页·Zbl 1291.35168号
[2] H.Bessaih、E.Olson和E.S.Titi，随机噪声数据的连续数据同化，非线性，28（2015），第729页·Zbl 1308.35161号
[3] A.Biswas、Z.Bradshaw和M.S.Jolly，使用局部观测值对Navier-Stokes方程进行数据同化，SIAM J.Appl。动态。系统。，20（2021年），第2174-2203页·Zbl 1480.35309号
[4] A.Biswas、J.Hudson、A.Larios和Y.Pei，使用速度和磁场的一个分量对二维磁流体动力学方程进行连续数据同化，渐近线。分析。，108（2018），第1-43页·Zbl 1397.35325号
[5] J.Borggaard、N.Glatt-Holtz和J.Krometis，从被动标量估计背景流量的贝叶斯方法，SIAM/ASA J.不确定。数量。，8（2020），第1036-1060页·Zbl 1455.65205号
[6] S.L.Brunton、J.L.Proctor和J.N.Kutz，通过非线性动力系统的稀疏识别从数据中发现控制方程，Proc。国家。阿卡德。科学。美国，113（2016），第3932-3937页·Zbl 1355.94013号
[7] N.B.Budanur和P.Cvitanovicí，Kuramoto-Sivashinsky系统对称约化状态空间中相对周期轨道的不稳定流形，J.Stat.Phys。，167（2017），第636-655页·Zbl 1372.37057号
[8] E.Carlson、J.Hudson和A.Larios，通过连续数据同化恢复二维Navier-Stokes方程的参数，SIAM J.Sci。计算。，42（2020年），第A250-A270页·Zbl 1474.35515号
[9] E.Carlson、J.Hudson、A.Larios、V.R.Martinez、E.Ng和J.P.Whitehead，使用部分观测动态学习混沌系统的参数，离散连续动态。系统。，42（2022），第3809-3839页·Zbl 1502.37092号
[10] B.I.Cohen、J.Krommes、W.Tang和M.Rosenbluth，耗散陷阱离子模式的非线性饱和，模式耦合，核聚变，16（1976），第971页。
[11] P.Collet、J.-P.Eckmann、H.Epstein和J.Stubbe，《Kuramoto-Sivashinsky方程的全球吸引集》，Comm.Math。物理。，152（1993），第203-214页·Zbl 0777.35073号
[12] P.Cvitanovicö，R.L.Davidchack，E.Siminos，《关于周期域中Kuramoto-Sivashinsky流的状态空间几何》，SIAM J.Appl。动态。系统。，9（2010），第1-33页·Zbl 1267.35027号
[13] M.Dashti和A.M.Stuart，《反问题的贝叶斯方法》，载于《不确定性量化手册》，R.Ghanem、D.Higdon、H.Owhadi编辑，Springer，Cham，2016年，第311-428页。
[14] P.C.Di Leoni、A.Mazzino和L.Biferale，利用物理信息数据同化和光谱微调推断流动参数和湍流结构，Phys。《流体评论》，3（2018），104604。
[15] R.A.Edson、J.E.Bunder、T.W.Mattner和A.J.Roberts，Kuramoto-Sivashinsky PDE的Lyapunov指数，ANZIAM J.，61（2019），第270-285页·兹比尔1420.37109
[16] L.C.Evans，偏微分方程，梯度。学生数学。19，美国数学学会，普罗维登斯，RI，1998年·Zbl 0902.35002号
[17] A.Farhat、N.Glatt-Holtz、V.R.Martinez、S.A.McQuarrie和J.P.Whitehead，《来自热测量的大型Prandtl Rayleigh-Beínard对流中的数据同化》，SIAM J.Appl。动态。系统。，19（2020年），第510-540页·Zbl 1434.76041号
[18] A.Farhat、H.Johnston、M.Jolly和E.S.Titi，《通过涡度或局部环流测量的近湍流Rayleigh-Benard流的同化：计算研究》，《科学杂志》。计算。，（2017），第1-15页·Zbl 1404.76100号
[19] A.Farhat、M.S.Jolly和E.S.Titi，仅通过速度测量的DBenard对流的连续数据同化，Phys。D非线性现象。，303（2015），第59-66页·兹比尔1364.76053
[20] A.Farhat、E.Lunasin和E.S.Titi，利用仅对速度场一个分量的测量的2D Navier-Stokes方程的Abridged连续数据同化，J.Math。流体力学。，18（2016），第1-23页·Zbl 1334.35202号
[21] A.Farhat、E.Lunasin和E.S.Titi，《关于仅使用温度测量数据同化的Charney猜想：3D行星地转模式的范例》，《气候与天气预测数学》，2（2016年）·Zbl 1364.86017号
[22] C.Foias、G.R.Sell和E.S.Titi，耗散非线性方程惯性流形的指数跟踪和近似，J.Dyn。微分方程，1（1989），第199-244页·Zbl 0692.35053号
[23] D.Goluskin和G.Fantuzzi，使用半定规划计算的Kuramoto-Sivashinsky方程中平均能量的界限，非线性，32（2019），第1705页·Zbl 1412.35039号
[24] Z.Grujicí，Kuramoto-Sivashinsky方程全局吸引子的空间解析性，J.Dyn。微分方程，12（2000），第217-228页·Zbl 0952.35118号
[25] J.M.Hyman和B.Nicolaenko，《Kuramoto-Sivashinsky方程：PDE和动力系统之间的桥梁》，Phys。D非线性现象。，18（1986），第113-126页·Zbl 0602.58033号
[26] M.S.Jolly、V.R.Martinez和E.S.Titi，亚临界表面准营养方程的数据同化算法，《高级非线性研究》，17（2017），第167-192页·兹比尔1358.35091
[27] A.-K.Kassam和L.N.Trefethen，刚性PDE的四阶时间步进，SIAM J.Sci。计算。，26（2005），第1214-1233页·Zbl 1077.65105号
[28] C.A.Kennedy和M.H.Carpenter，对流-扩散-反应方程的可加Runge-Kutta格式，应用。数字。数学。，44（2003），第139-181页·Zbl 1013.65103号
[29] Y.Kuramoto和T.Tsuzuki，关于反应扩散系统中耗散结构的形成：还原微扰方法，Prog。西奥。物理。，54（1975），第687-699页。
[30] R.E.LaQuey、S.Mahajan、P.Rutherford和W.Tang，陷阱离子模式的非线性饱和，物理学。修订稿。，34（1975），第391页。
[31] A.Larios和Y.Pei，《非线性连续数据同化》，预印本，arXiv:1703.035462017年。
[32] Z.Li、N.Kovachki、K.Azizzadenesheli、B.Liu、K.Bhattacharya、A.Stuart和A.Anandkumar，参数偏微分方程的傅里叶神经算子，预印本，arXiv:2010.088952020。
[33] E.N.Lorenz，确定性非周期流，J.Atmos。科学。，20（1963年），第130-141页·Zbl 1417.37129号
[34] L.Lu、P.Jin、G.Pang、Z.Zhang和G.E.Karniadakis，基于算子的泛逼近定理通过DeepONet学习非线性算子，Nat.Mach。智力。，3（2021年），第218-229页。
[35] C.Misbah和A.Valance，稳定Kuramoto-Sivashinsky方程中的二次不稳定性，Phys。E版，49（1994），第166页。
[36] B.Nicolaenko、B.Scheurer和R.Temam，Kuramoto-Sivashinsky方程的一些全局动力学性质：非线性稳定性和吸引子，Phys。D非线性现象。，16（1985年），第155-183页·兹比尔0592.35013
[37] E.Olson和E.S.Titi，确定湍流中的模式和Grashof数：一个数值案例研究，Theor。计算。流体动力学。，22（2008），第327-339页·Zbl 1178.76190号
[38] M.Quade、M.Abel、J.Nathan Kutz和S.L.Brunton，用于快速模型恢复的非线性动力学稀疏识别，《混沌》，28（2018），063116。
[39] M.Raissi、P.Perdikaris和G.Karniadakis，《以物理为基础的神经网络：解决涉及非线性偏微分方程的正问题和逆问题的深度学习框架》，J.Compute。物理。，378（2019），第686-707页·Zbl 1415.68175号
[40] S.Rudy、A.Alla、S.L.Brunton和J.N.Kutz，参数偏微分方程的数据驱动识别，SIAM J.Appl。动态。系统。，18（2019），第643-660页·Zbl 1456.65096号
[41] G.Sivashinsky，层流火焰中流体动力不稳定性的非线性分析——I.基本方程的推导，《宇航员学报》。，4（1977年），第1177-1206页·Zbl 0427.76047号
[42] G.I.Sivashinsky和D.Michelson，《关于液体薄膜沿垂直平面的不规则波浪流》，Prog。西奥。物理。，63（1980），第2112-2114页。
[43] R.W.Wittenberg和P.Holmes，《Kuramoto-Sivashinsky方程中的尺度和空间局部化》，《混沌》，9（1999），第452-465页。
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。