一类时间分数阶抛物型方程反问题的磨光解法

来源 :山东大学 | 被引量 : 0次 | 上传用户:milan_27
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
我们一直在研究经典的时间分数阶抛物型方程的正问题,对该类问题的研究也比较完善.但是,对于该类问题反问题的研究不是很多,在许多的工程问题中经常会运用到此类反问题.例如,得知物理内部的温度、密度等问题,对于此类问题只能通过某一时刻的测量值来反演.本文主要研究的是0<γ<1的时间分数阶反问题:{(6)γu/(6)tγ=(6)2u/(6)x2,(x,t)∈(0,π)×(0,T],u(0,t)=u(π,t)=0,t∈[0,T],u(x,T)=g(x), x∈[0,π].(0.1)这里我们定义的是Caputo意义下的分数导数即:dγ/dtγf(t):=1/Γ(1-γ)∫t0df(s)/ds ds/(t-s)γ.  我们的反问题是:由测量值u(·,T)得到u(x,t),t∈[0,T).这个问题是不适定的:如果所研究问题的解存在,它不连续依赖已知的数据.因此我们需要对该问题进行正则化处理.  首先,我们假设初始值u(x,0)满足先验条件‖u(x,0)‖Hp0(0,π)≤ E,p>0.此外,设gδ(x)是最终测量值g(x)的扰动数据,并且两者之间满足‖gδ(x)-g(x)‖L2(0,π)≤δ.因此我们需要考虑下面的反问题{(6)γu/(6)tγ=(6)2u/(6)x2,(x,t)∈(0,π)×(0,T],u(0,t)=u(π,t)=0, t∈[0,T],u(x,T)=gδ(x), x∈[0,π].(0.2)  对于上述问题的研究到目前为止不是很多,最初在文献[23]中,作者运用quasi-reversibility方法构造的正则化格式;另一关于该问题的研究出现在文献[24]中,作者用投影的方法构造正则化格式.在本文中,我们提出了用磨光法来构造正则化格式,即{(6)γu/(6)tγ=(6)2u/(6)x2,(x,t)∈(0,π)×(0,T],u(0,t)=u(π,t)=0, t∈[0,T],u(x,T)=ψα*g(x), x∈[0,π].(0.3)并且给出了在‖·‖Hp0先验信息下的估计形式,同时给出了正则化参数α的选取方式,即如果我们选取α={(δ/E)1/p+2,0<p<2,(δ/E)1/2, p≥2,那么我们可以得到如下的估计:‖u(·,t)-uα,δ(·,t)‖L2(0,π)≤{(C)δp/p+2E2/p+2,0<p<2,(C)δ1/2E1/2, p≥2,(0.4)这里(C)=C(γ,T)·C2和C2依赖于分数阶γ0,γ1.  最后,我们会通过相应的数值例子来验证该正则化格式的可行性和有效性.
其他文献
伴随矩阵是矩阵理论及线性代数中的一个基本概念,是许多数学分支研究的重要工具.伴随矩阵作为矩阵中较为特殊的一类,其理论和应用有自身的特点.而在大学的学习中,伴随矩阵只是作
图的亏格分布是由著名的图论学家Gross上世纪80年代引入的,它是从整体上刻划图在给定的可定向曲面上的嵌入数量的分布情况,是图的一个重要拓扑不变量.其理论在判断图同构、复代
我们引入了一系列的Zn2分次拟代数Pn(m),它们推广了Clifford代数,高阶八元数代数和高阶Cayley代数.利用我们构造的这些代数和他们的微小扰动可以生成关于二次型复合的Hurwitz问
时滞神经网络是神经系统的一个重要组成部分,它具有十分丰富的动力学行为。鉴于它们在信号处理、动态图像处理、人工智能和全局优化等问题中的重要应用,近年来时滞神经网络的
小波分析理论与应用的研究取得了丰硕的成果,已被广泛应用到工程的很多领域。随着小波分析理论的发展,再生核理论越来越引起社会更多学者的关注。因为再生核Hilbert空间是连续
粗糙集理论是波兰科学家Z.Pawlak在1982年提出的一种新的分析数据的数学理论.如今它在计算机应用的很多领域,如数据挖掘,机器学习,知识发现等,有着重要的应用.对其理论方法及其应
不可压Navier-Stokea(N-S)方程组的数值计算在计算流体力学的数值模拟中扮演着非常重要的角色,寻求其精确稳定和高效的数值方法一直是科研工作者不懈努力的方向.随着数值方法
由拉普拉斯特征映射算法所提供的嵌入在一些意识中保持了局部的信息的最佳性.在揭示建立在高维数空间中的一个低维子流形中的一个低维数的确定参数时,我们需要去了解并领会拉