论文部分内容阅读
在热物性反问题中,温度对参数的敏感度(简称敏感度)是一个重要的并行计算算法研究的内容。对“敏感度”进行理论分析和计算,进而开发高效并行算法是作者所在课题组多年并行算法研究的深入工作。论文叙述了“敏感度”的研究现状和研究进展,研究了非均匀网格下虚边界预测(VBF)的并行算法,讨论了基于两重网格的非均匀网格VBF并行算法以及非均匀变步长并行计算方法,给出了热物性反问题中温度对参数的敏感度的初边值问题,以及多个参数表达的热物性系数对应的敏感度初边值问题,计算结果表明：对不同的参数,敏感度的函数值大小不同。由此建立了基于敏感度的非均匀网格虚边界预测反问题高效并行算法。本文用8个节点处理器进行了并行计算,并行计算效率为85%。本文的主要创新点是：(1)研究了基于两重网格非均匀步长的虚边界预测的并行算法。在粗细两重网格上,取步长不同的非均匀网格,在子区域虚拟边界上,建立边界函数值预测方法,算例表明该算法比直接对各子区域进行迭代求解的方法有更高的求解效率,计算时间大约为直接迭代求解的2/3左右。(2)建立了热物性反问题中温度对参数的敏感度的初边值问题及并行计算数学模型。根据温度对参数的敏感度的定义,建立了敏感度的初边值问题,构造了区域分裂并行计算模型,对单参数和多参数的热物性反问题参数的敏感度进行了并行计算,得到敏感度随时间和空间变化的数据。(3)构造了基于温度对参数敏感度的两重网格变步长虚边界预测的反问题高效并行算法。对敏感度计算数据进行分析,发现参数不同,温度的敏感度也不同。因而,提出了根据不同的参数,选取不同计算步长的并行算法。算例表明,在相同的精确度下,该算法比等步长算法减少40-65%的计算量。本文得到国家自然科学基金项目(项目编号：60173046,69773021)、中科院软件所计算机科学国家重点实验室开放课题基金(批准号：SYSKF1009)、湖北省自然科学基金面上项目(2005ABA227)的资助。