চলন্ত জাল তৈরির পিছনে মূল নীতিগুলি কী কী?

13

আমি অ্যাডভেকশন-প্রসারণ সমস্যার জন্য একটি চলমান জাল বাস্তবায়নে আগ্রহী। অভিযোজিত মুভিং জাল পদ্ধতিগুলি সীমাবদ্ধ-পার্থক্য ব্যবহার করে 1 ডি-তে বার্গারের সমীকরণের জন্য এটি কীভাবে করা যায় তার একটি উত্তম উদাহরণ দেয়। কেউ কি চলন্ত জালের সাথে সীমাবদ্ধ-পার্থক্য ব্যবহার করে 1D অ্যাডভেকশন-ডিসফিউশন সমীকরণটি সমাধান করার ক্ষেত্রে একটি কাজের উদাহরণ দিতে সক্ষম হবেন?

উদাহরণস্বরূপ, রক্ষণশীল আকারে সমীকরণটি হ'ল

u_{t} = (a (x) u + d u_{x})_{x}

$u_t = (a(x)u + du_x)_x$

যেখানে হ'ল বেগ (স্থানের একটি ক্রিয়া)। প্রাথমিক অবস্থায় নির্দিষ্ট করতে পারেন (উদাহরণস্বরূপ) একটি প্রবাহ প্রজাতি বাম থেকে ডানে চলতে পারে (উদাহরণস্বরূপ পাইপের বরাবর) যেখানে প্রাথমিক অবস্থার তীক্ষ্ণ গ্রেডিয়েন্ট থাকে। $a(x)$ $u(0,x)$

চলমান জালের জন্য ইক্যুইটিস্ট্রিবিউশন সমস্যাটি কীভাবে সমাধান করা উচিত (সম্ভবত ডি বুরের অ্যালগরিদম বা অন্যান্য পদ্ধতির সাথে)? আমি পাইথনে এটি নিজেই প্রয়োগ করতে চাই তাই আপনার উত্তরটি যদি সহজেই কোডে অনুবাদ করা যায় তবে আরও ভাল!

পুরানো প্রশ্ন অনুগ্রহের আগে

সিস্টেমের বৈশিষ্ট্যের উপর ভিত্তি করে একটি অভিযোজিত জাল তৈরির প্রাথমিক পদ্ধতির কী কী? গ্রেডিয়েন্টগুলি যেখানে বড় সেগুলির একটি পরিমাপ হিসাবে আমার ফ্লাক্স ব্যবহার করা উচিত?
কারণ আমি পুনরাবৃত্তি (টাইম সুইপ) সমাধান চাই। আমি ভাবছি পুরানো গ্রিড থেকে নতুন গ্রিডে গলা ফেলা গুরুত্বপূর্ণ, সাধারণ পদ্ধতিটি কী?
আমি একটি সাধারণ সমস্যার (অ্যাডভেকশন সমীকরণের মতো) একটি কাজের উদাহরণ দেখতে আগ্রহী হব।

সমস্যার নির্দিষ্টকরণ সম্পর্কে কিছুটা ব্যাকগ্রাউন্ড। আমি সমীকরণের 1D সংযুক্ত সিস্টেমটি অনুকরণ করছি,

$\frac{\partial u}{\partial t} = a_u\frac{\partial^2 u}{\partial x^2} + b_u\frac{\partial u}{\partial x} + f_u(x,u,v,w) \\ \frac{\partial v}{\partial t} = a_v\frac{\partial^2 v}{\partial x^2} + b_v\frac{\partial v}{\partial x} + f_v(x,u,v,w) \\ \frac{\partial w}{\partial t} = a_u\frac{\partial u}{\partial x} +a_v\frac{\partial v}{\partial x} + f_w(x,u,v,w) \\$

সমীকরণের সেট দুটি প্রজাতির অ্যাডভেকশন-প্রসারণ সমস্যা বর্ণনা করে যেখানে অন্য দুটিতে তৃতীয় সমীকরণ দম্পতিরা। সমাধানটি আমার গ্রিডের কেন্দ্রের কাছে দ্রুত পরিবর্তন হয়, নীচে দেখুন (এগুলি চিত্রণগুলি গণনা নয়),

উদাহরণ সমাধান

নীচের গ্রাফটিতে লগ স্কেল লক্ষ্য করুন যে, এবং এর সমাধানগুলির দৈর্ঘ্যের অর্ডারে পৃথক হয়। উপরের গ্রাফের ( ) কেন্দ্রে একটি বিচ্ছিন্নতা রয়েছে। আমি উপরের সিস্টেমটি এমন একটি অভিযোজিত আপওয়াইন্ডের সাথে সমাধান করছি যেখানে পেকলেট সংখ্যার স্থানীয় মানের উপর নির্ভর করে বিচক্ষণতা কেন্দ্রীয় থেকে আপুইন্ড আধিপত্যকে অভিযোজিত করতে পারে । আমি সময়টিতে ট্র্যাপিজয়েডাল ইন্টিগ্রেশন ("ক্র্যাঙ্ক-নিকলসন") দ্বারা স্পষ্টতই সিস্টেমটি সমাধান করছি। $u$ $v$ $w$

$w$

$u$ $v$ $w$

finite-difference adaptive-mesh-refinement advection-diffusion

— boyfarrell
সূত্র

আমি যা জড়ো করি তা থেকে আপনার বিচ্ছিন্নতা সিস্টেমের একটি দুর্দান্ত স্থিতিশীল বৈশিষ্ট্য যা এটি প্রায় চলাফেরা করতে পারে তবে এটি সর্বদা কোথাও কোথাও নেই (আমার ভুল হয়ে থাকলে আমাকে সংশোধন করুন)। যে কারণে, আপনি জাল পরিশোধন পরিবর্তে চলন্ত জাল ব্যবহার বিবেচনা করতে চাইতে পারেন। নিজেকে প্রোগ্রাম করা এটি বেশ সহজ। [এই বই] (Books.google.com/books?isbn=1441979166) একটি ভাল রেফারেন্স।

— ড্যানিয়েল শাপেরো

হ্যাঁ, এটি মনে করে যে এটি একটি স্থিতিশীল বৈশিষ্ট্য হওয়া উচিত (সংযোগ বিচ্ছিন্নতা), সময়-সাফ করার সময় এটি সামান্য স্থানান্তরিত হতে পারে এবং অবিচল অবস্থায় যাওয়ার সময় সামান্য অসামান্য হয়ে উঠতে পারে। আমার ধারণা আমি আরও জটিল কিছু না করে কেন্দ্রে ক্লাস্টারযুক্ত পয়েন্ট সহ একটি অ-ইউনিফর্ম (অ-অভিযোজিত) গ্রিড ব্যবহার করতে পারি। আমি বিভিন্ন জাল অভিযোজন কৌশল সম্পর্কে অবগত ছিল না। বইটি ভাল বলে মনে হচ্ছে, যদিও চলন্ত গ্রিডটি কঠোরভাবে প্রয়োগ করতে এখনও বেশ কিছুটা কাজ বাকি রয়েছে। আমি একটি "দ্রুত সমাধান" জন্য আশা ছিল!

— বয়ফ্যারেল

4

একটি অভিযোজিত গ্রিড একটি গ্রিড নেটওয়ার্ক যা স্বয়ংক্রিয়ভাবে উচ্চ প্রবাহ ক্ষেত্রের গ্রেডিয়েন্টগুলির অঞ্চলে গ্রিড পয়েন্টগুলি ক্লাস্টার করে; এটি শারীরিক সমতলে গ্রিড পয়েন্টগুলি সনাক্ত করতে প্রবাহ ক্ষেত্রের বৈশিষ্ট্যগুলির সমাধান ব্যবহার করে। অভিযোজিত গ্রিডটি প্রশাসনিক প্রবাহ ক্ষেত্রের সমীকরণগুলির একটি সময়-নির্ভর সমাধানের সাথে একত্রে সময়ের পদক্ষেপে বিকশিত হয়, যা সময়ের পদক্ষেপগুলিতে প্রবাহ ক্ষেত্রের ভেরিয়েবলগুলি গণনা করে। সমাধানের সময়, দৈহিক বিমানের গ্রিড পয়েন্টগুলি বৃহত্তর প্রবাহ ক্ষেত্রের গ্রেডিয়েন্টগুলির অঞ্চলে 'মানিয়ে নিতে' এমন ফ্যাশনে স্থান দেয়। সুতরাং, শারীরিক বিমানের প্রকৃত গ্রিড পয়েন্টগুলি প্রবাহ ক্ষেত্রের সমাধানের সময় অবিচ্ছিন্নভাবে চলতে থাকে এবং প্রবাহের সমাধান স্থিতিশীল অবস্থায় পৌঁছানোর সময় কেবল স্থির হয়ে ওঠে।

স্থিতিশীল এবং অস্থির উভয় ধরণের সমস্যার জন্য গ্রিড অভিযোজন ব্যবহৃত হয়। স্থির প্রবাহ সমস্যার ক্ষেত্রে গ্রিডটি পূর্বনির্ধারিত সংখ্যার পুনরাবৃত্তির পরে গ্রিডটি অভিযোজিত হয় এবং গ্রিডটি যখন রূপান্তরিত হয় তখন বিন্দুতে গ্রিড অভিযোজন বন্ধ হয়ে যায়। সময়ের সঠিক সমাধানগুলির ক্ষেত্রে গ্রিড পয়েন্ট গতি এবং পরিশোধন শারীরিক সমস্যার সময়ের সঠিক সমাধানের সাথে একত্রে সম্পাদিত হয়। এটির জন্য শারীরিক সমস্যার পিডিই এবং গ্রিডের চলাচল বা গ্রিড অভিযোজন বর্ণনা করা সময়ের সঠিক সংযোগের প্রয়োজন।

নতুন কনফিগারেশনের গণনার জন্য জাল জেনারেশন এবং পূর্ববর্তী অভিজ্ঞতার জন্য সর্বোত্তম অনুশীলন নির্দেশিকাগুলির উপর নির্ভরতা বড় অঙ্কের সংখ্যাসূচক ত্রুটির দরজা উন্মুক্ত করে। গ্রিড অভিযোজন পদ্ধতি সমাধানের মানের ক্ষেত্রে যথেষ্ট উন্নতি করতে পারে এবং আরও ভাল ফলাফলের প্রতিশ্রুতি দেয় কারণ গ্রিড রেজোলিউশনের সীমা নির্ধারণ করে এমন কোনও সীমাবদ্ধতা নেই যা অর্জন করা যায়।

$h$ $r$ $p$ $rp$ $hp$ $r$ $h$

$h$

$r$

জাল এবং এর সংযোগে স্থানীয় টপোলজিকাল পরিবর্তনগুলি পরিবর্তে, আর-অভিযোজিত পদ্ধতিগুলি স্থির মোট সংখ্যক জাল পয়েন্টের অবস্থানগুলি সরিয়ে রেজোলিউশনে স্থানীয় পরিবর্তন করে make

$p$

সীমাবদ্ধ ভলিউম বা সীমাবদ্ধ উপাদান পদ্ধতির পরিবর্তে সীমাবদ্ধ উপাদান পদ্ধতির গ্রিড অভিযোজনের খুব জনপ্রিয় পদ্ধতি। এটি একই জ্যামিতিক উপাদান ক্রমের সাথে ইন্টারপোলটিং ফাংশনগুলির বহুপদী সমৃদ্ধ করে সমাধানের ত্রুটি হ্রাস করে। এখানে কোনও নতুন জাল, জ্যামিতি গণনা করা যায় না এবং এই পদ্ধতির আরও একটি সুবিধা হ'ল এটি কম সংবেদনশীলতার সাথে আনুমানিক অনিয়মিত বা বাঁকানো সীমানা আরও ভাল করতে পারে দিক অনুপাত এবং স্কিউ। কারণ এটি কাঠামোগত প্রয়োগে এটি খুব বিখ্যাত।

$Driving-sources-of-grid-adaptation$

$1. Feature-based-adaptation$ গ্রিড অভিযোজনের প্রায়শই বৃহত ব্যবহৃত পদ্ধতির বৈশিষ্ট্য ভিত্তিতে গ্রিড অভিযোজনের জন্য ড্রাইভিং ফোর্স হিসাবে সমাধানের বৈশিষ্ট্যটি নিযুক্ত করে। এটি প্রায়শই সমাধানের বৈশিষ্ট্যগুলি যেমন সমাধান গ্রেডিয়েন্টস এবং সমাধান বক্রতা ব্যবহার করে। বৃহত দ্রবণ গ্রেডিয়েন্টগুলি সহ প্রবাহ অঞ্চলগুলি আরও বেশি পয়েন্ট সহ সমাধান করা হয় এবং সর্বনিম্ন তাত্পর্যপূর্ণ অঞ্চলগুলি মোটা করা হয়। এটি শারীরিকভাবে নির্দিষ্ট যেমন সীমানা স্তর, শকস, বিচ্ছেদ লাইন, স্থবিরতা বিন্দু ইত্যাদির মতো অঞ্চলের পরিমার্জনকে বাড়ে some দৃust়তা এবং অন্যান্য।

$2.Truncation-error-based-adaption$ আংশিক ডিফারেনশিয়াল সমীকরণ এবং এর বিযুক্ত সমীকরণের মধ্যে পার্থক্য হ'ল কাটা ত্রুটি। অভিযোজন কোথায় ঘটতে হবে তা খুঁজে পাওয়ার জন্য কাটা ত্রুটি আরও উপযুক্ত পদ্ধতির। ছাঁটাই ত্রুটি ভিত্তিক অভিযোজনের পিছনে সাধারণ ধারণাটি হ'ল সম্পূর্ণ বিচক্ষণতা ত্রুটি হ্রাস করার জন্য সিমুলেশনের ডোমেনে ত্রুটিটিকে সমীকরণ করা। সাধারণ সমীকরণের জন্য কাটা ত্রুটির মূল্যায়ন করা সহজতম কাজ তবে জটিল প্রকল্পগুলির পক্ষে এটির পক্ষে এটির পক্ষে ভিন্নতর পদ্ধতির প্রয়োজন। সাধারণ বিবেচনামূলক স্কিমগুলির জন্য, কাটা ত্রুটি সরাসরি গণনা করা যায়। আরও জটিল স্কিমগুলির জন্য যেখানে কাটছাঁটির সরাসরি মূল্যায়ন কঠিন, সেখানে কাটা ত্রুটির অনুমান করার জন্য একটি পদ্ধতির প্রয়োজন।

$3.Adjoint-based-adaptation$

শুভকামনা!

$References:-$

[1] ফিদকোভস্কি ক্রিজিসটোফ জে এবং ডারমোফল ডেভিড এল। আউটপুট-ভিত্তিক ত্রুটি এস-টিমেশন এবং গণনা-ইউআইডি গতিবিদ্যায় জাল অভিযোজন সম্পর্কে পর্যালোচনা। এআইএএ জার্নাল, 49: 673–694, 2011।

[২] জন টানহিল রিচার্ড প্লেচার এবং ডেল অ্যান্ডারসন। গণনামূলক id uid মেকানিক্স এবং তাপ স্থানান্তর। টেলর ও ফ্রান্সিস, 1997

[3] জেডি জুনিয়র অ্যান্ডারসন। গণনামূলক id উড ডায়নামিক্স: অ্যাপ্লিকেশন সহ মূল বিষয়গুলি M এমসিগ্রা হিল ইনক।, 1995।

[৪] সিএফডি-তে জাল অভিযোজন চালানোর কৌশল রয় ক্রিস্টোফার জে। নিউ হরিজনস ফোরাম এবং এরোস্পেস প্রাক্তন অবস্থান, 2009 সহ 47 তম এআইএএ এরোস্পেস সায়েন্সেসের সভা।

[5] ম্যাক্রে স্কট ডি আর-রি-নেমেন্ট গ্রিড অভিযোজন অ্যালগরিদম এবং সমস্যা। প্রয়োগকৃত মেকানিক্স এবং ইঞ্জিনিয়ারিংয়ে কম্পিউটারের পদ্ধতিগুলি, 189: 1161–1182, 2000।

[]] ইভানেনকো সের্গেই এ। আজারেনোক বোরিস এন এবং তাং টাও। গডুনোভস স্কিমের ভিত্তিতে অভিযোজিত জাল পুনরায় বিতরণ পদ্ধতি। Comm। গণিত। বিজ্ঞান।, 1: 152–179।

[]] আহমাদী মজিদ এবং গালি ওয়াহিদ এস। সমাধান অভিযোজন সহ একটি ﬁ নাইট ভলিউম পদ্ধতি ব্যবহার করে ক্যাসকেডগুলিতে ইনসকিড-অউয়ের অনুকরণ Sim সিএএসআই-তে 6th ষ্ঠ বায়ুসংস্থানবিদ্যার সিম্পো-সিমে, 1997।

[8] জাসাক এইচ। এবং গোসমান এডি Auto নাইট-ভলিউম ই এম ইথুস্টিকের জন্য স্বয়ংক্রিয় রেজোলিউশন নিয়ন্ত্রণ, অংশ 1: এ-পোস্টেরিয়েরির ত্রুটি অনুমান করে। সংখ্যাগত তাপ স্থানান্তর, টেলর এবং ফ্রান্সিস, 38: 237-256, 2000।

[9] জাসাক এইচ। এবং গোসমান এডি Auto নাইট-ভলম ইমের ইথুডিক্সের জন্য স্বয়ংক্রিয় রেজোলিউশন নিয়ন্ত্রণ, অংশ 2: অভিযোজিত জাল পুনরুদ্ধার এবং কোয়ার্সনেসিং। সংখ্যার হিট ট্রান্সফের, টেলর এবং ফ্রান্সিস, 38: 257–271, 2000।

[10] থম্পসন ডেভিড এস সনি ভারত কে, কোমুলিল রায় এবং থর্নবার্গ হিউ। পুনরায় বিতরণের ভিত্তিতে সমাধান অভিযোজিত গ্রিড কৌশলগুলি প্রয়োগকৃত মেকানিক্স এবং ইঞ্জিনিয়ারিংয়ে কম্পিউটারের পদ্ধতিগুলি, 189: 1183–1204, 2000।

[১১] ভেন্ডিটি ডেভিড এ এবং ডারমোফল ডেভিড এল। কার্যকরী আউটপুটগুলির জন্য ত্রুটির অনুমান এবং গ্রিড অ্যাডাপ্টেশন: অর্ধ-এক-মাত্রিক Application ওউয়ের জন্য আবেদন। কম্পিউটেশনাল ফিজিক্স জার্নাল, 164: 204-2227, 2000।

[12] বালাসুব্রাহ্মণিয়ান আর এবং নিউম্যান জে সি কার্যনির্বাহিত আউটপুটগুলির জন্য অ্যাডেজমেন্ট-ভিত্তিক এবং বৈশিষ্ট্য ভিত্তিক গ্রিড অভিযোজনের তুলনা। Ids uids মধ্যে সংখ্যাগত পদ্ধতিগুলির জন্য আন্তর্জাতিক জার্নাল, 53: 1541–1569, 2007।

[১৩] হার্টম্যান রাল্ফ। ত্রুটি অনুমান এবং বায়ুচৈতন্যগুলি স্থগিত ভিত্তিক অভিযোজন। কম্পিউটেশনাল ফ্লুয়েড ডায়নামিক্স, 2006 সম্পর্কিত ইউরোপীয় সম্মেলনে

— Shainath
সূত্র

সেই প্রথম অনুচ্ছেদটি কম্পিউটারের তরল ডায়নামিক্স: একটি ভূমিকা থেকে এসেছে। সম্ভবত এটি উল্লেখ করা উচিত। তবে এটি একটি ওভারভিউ, ধন্যবাদ। আপনি কি কখনও কোনও অ্যাডভেকশন সমস্যার সাথে অভিযোজন প্রয়োগ করেছেন, মূলত এটিই আমি সমাধান করার চেষ্টা করছি?

— বয়ফ্যারেল

@ বয়েফেরেল, হ্যাঁ এটি সত্য, আমি আমার পাঠ্যক্রমের কাজের অংশ হিসাবে "গ্রিড অভিযোজন" সম্পর্কিত আমার প্রতিবেদন থেকে এই সমস্তই নিয়েছি, যেখানে আমি যথাযথভাবে উল্লেখগুলি উল্লেখ করেছি। এখানে উল্লেখযোগ্য পরিমাণ যুক্ত করা এত কঠিন তাই আমি এটি বাদ দিয়েছি। আপনি যদি চান তবে আমি সমস্ত তথ্য আপনার সাথে ভাগ করে নেব। হ্যাঁ, আমি আমার গবেষণা কাজের অংশ হিসাবে গ্রিড অভিযোজনটি ব্যবহার করার পরিকল্পনা করছি, তবে এখনও শুরু হয়নি। শুভকামনা!

— শৈনাথ

সাহিত্যের দর্শন শুরু করার সত্যিই ভাল উপায়, ভাগ করে নেওয়ার জন্য ধন্যবাদ!

— বয়ফেরেল

@ বোয়ফেরেল, আমি আমার উত্তরের উল্লেখগুলি যুক্ত করেছি, যা আমি উপরের বর্ণনার জন্য ব্যবহার করেছি। সর্বশ্রেষ্ঠ

— শৈনাথ

3

আমি এর জন্য এখনও ভাল উত্তর খুঁজছি (এখনও আছি)। আমি বহু-স্তরের অভিযোজিত গ্রিডগুলির সাথে কাজ করি যেখানে আমি সংশোধন করার জন্য কিছু ধরণের মানদণ্ড ব্যবহার করি। এফইএম করা লোকেরা বরং সস্তা (গণনামূলকভাবে) ভোগ করে, কঠোর ত্রুটি অনুমান করে যে তারা পরিশোধন মাপদণ্ড হিসাবে ব্যবহার করে। আমাদের জন্য এফডিএম / এফভিএম করার জন্য, আমি এরকম কোনও অনুমানের ভাগ্য পাইনি।

এই প্রসঙ্গে আপনি যদি পরিশোধন সম্পর্কে কঠোর হতে চান, যেমন প্রকৃত ত্রুটির কিছু অনুমানের ভিত্তিতে পরিমার্জন করতে চান তবে আপনার (প্রায়) একমাত্র পছন্দ রিচার্ডসন এক্সট্রোপোলেশন। উদাহরণস্বরূপ, বার্গার এবং অলিগার (1984) তাদের ব্লক-স্ট্রাকচার্ড, এএমআর হাইপারবোলিক সলভারের জন্য এটি ব্যবহার করেছিল। পদ্ধতিটি এই অর্থে সাধারণ যে আপনি কার্যত যে কোনও সমস্যার জন্য রিচার্ডসন এক্সট্রপোলেশন ব্যবহার করতে পারেন। এটির সাথে একমাত্র সমস্যাটি এটি ব্যয়বহুল, বিশেষত ক্ষণস্থায়ী সমস্যার জন্য।

রিচার্ডসন এক্সট্রোপোলেশন ব্যতীত অন্য সমস্ত মানদণ্ড (আমার বিনীত মতে) কেবল অ্যাডহক। হ্যাঁ আপনি "আগ্রহের পরিমাণ" এর উপর একটি নির্দিষ্ট প্রান্ত স্থাপন করতে পারেন এবং তার উপর ভিত্তি করে সংশোধন করতে পারেন। কিছু বড় গ্রেডিয়েন্টকে সতর্ক করতে এবং এটি ব্যবহার করতে আপনি কিছু পরিমাণের ফ্লাক্স বা ডেরিভেটিভ ব্যবহার করতে পারেন। অথবা আপনি যদি কোনও ইন্টারফেস ট্র্যাক করে থাকেন তবে আপনি ইন্টারফেসের কতটা কাছাকাছি তার উপর ভিত্তি করে আপনি পরিমার্জন করতে পারেন। এগুলি অবশ্যই খুব সস্তা, তবে এগুলি সম্পর্কে কঠোর কিছুই নেই।

গ্রিডগুলির মধ্যে বিচ্ছিন্নতা হিসাবে, আপনার সাধারণত এমন কিছু প্রয়োজন যা আপনি কমিয়ে দেওয়ার মতো কমপক্ষে নির্ভুল। কখনও কখনও এমন সংযোগগুলি তৈরি করা সম্ভব হয় যা নির্দিষ্ট বৈশিষ্ট্যগুলিকে সন্তুষ্ট করে, যেমন ভর সংরক্ষণ করে বা উত্তেজকগুলি নতুন এক্সট্রিমাকে প্রবর্তন করে না। আমি লক্ষ করেছি যে এই শেষ সম্পত্তিটি সামগ্রিক স্কিমের স্থিতিশীলতার জন্য মাঝে মাঝে খুব গুরুত্বপূর্ণ।

— GradGuy
সূত্র

আপনার অভিজ্ঞতা ভাগ করে নেওয়ার জন্য আপনাকে ধন্যবাদ। হ্যাঁ, মনে হচ্ছে এটি কঠোরভাবে করা আসলে বেশ জড়িত। যেহেতু আমার সমস্যা তুলনামূলকভাবে সহজ (1D কেবলমাত্র ইত্যাদি)। আমি প্রথমে একটি স্থির (অ-ইউনিফর্ম) গার্ড চেষ্টা করব। যদিও আমি গ্রিড পদ্ধতির চলন সম্পর্কে কিছুটা নরম প্রয়োগ করতে খুব প্ররোচিত হই । আপনি যদি আগে গ্রিড মুভিং করে থাকেন তবে অ্যাডভেশন সমীকরণের জন্য এটি প্রয়োগ করা কতটা সহজ?

— বয়ফ্যারেল

@ বয়েফেরেল আমি নিশ্চিত না যে একটি চলমান গ্রিড কী। এটি কি 1D গ্রিডের মতো যেখানে পয়েন্টগুলির মধ্যে দূরত্ব সময়ের সাথে পরিবর্তিত হতে পারে?

— গ্রেডগুই

ড্যানিয়েল শ্যাপারো (উপরে) অ্যাডাপটিভ মুভিং মেশ পদ্ধতিগুলি দ্বারা প্রস্তাবিত লিঙ্কটি দেখছি । কৌতূহলোদ্দীপক মনে হচ্ছে.

— বয়ফ্যারেল

2

যদি এটি সত্যিই 1 ডি হয় তবে আপনার সম্ভবত এখানে কোনও অভিযোজিত জাল লাগবে না, এমন একটি সাধারণ সমস্যার জন্য আপনি সম্ভবত একটি আধুনিক ওয়ার্কস্টেশনের একটি কম্পিউটিং পাওয়ার সহ একটি স্ট্যাটিক গ্রিড দিয়ে আপনার প্রয়োজনীয় সমস্তগুলি সমাধান করতে পারেন। সময়-সংহতকরণের প্রক্রিয়ায়, সময়কালে সংখ্যার রেজোলিউশনের চাপ রয়েছে এমন অঞ্চলগুলি চিহ্নিত করতে, সেখানে গ্রিড পয়েন্ট যুক্ত করুন (এবং ওভার-সলভড অঞ্চলগুলি থেকে গ্রিড পয়েন্টগুলি সরিয়ে ফেলুন) এবং নতুন গ্রিডে ইন্টারপোলেট করা এটি একটি সম্পূর্ণ যুক্তিসঙ্গত কৌশল। তবে এটি খুব ঘন ঘন করা উচিত নয় কারণ ইন্টারপোলেশন ব্যয়বহুল হতে পারে এবং এটি সামগ্রিক গণনায় সংখ্যার ত্রুটি যুক্ত করবে add

— ম্যাক্সিম উমানস্কি
সূত্র

আপনার অভিজ্ঞতা ভাগ করে নেওয়ার জন্য আপনাকে ধন্যবাদ। আমি আপনি ঠিক মনে করেন; আমি সম্ভবত এই ক্ষেত্রে একটি অ-ধ্রুব গ্রিড ব্যবহার করতে পারি কারণ বিচ্ছিন্নতা একই জায়গায় কম বেশি থাকে। তুমি কি রাজি?

— বয়ফ্যারেল