আমার আগের প্রশ্নটি অনুসরণ করে আমি এই অ-ইউনিফর্ম সীমাবদ্ধ ভলিউম জালিতে সীমানা শর্ত প্রয়োগ করার চেষ্টা করছি,
আমি ডোমেনের lhs ( রবিন টাইপের সীমানা শর্ত প্রয়োগ করতে চাই , যেমন,
যেখানে সীমানা মান; ক , ডি যথাক্রমে সীমানা, advection এবং বিস্তারে সংজ্ঞাযুক্ত সহগ; u x = ∂ u , ডেরিভেটিভ হয়তোমার দর্শন লগ করাসীমানা এ মূল্যায়ন এবংতোমার দর্শন লগ করাপরিবর্তনশীল, যার জন্য আমরা সমাধানে হয়।
সম্ভাব্য পন্থা
আমি উপরের সীমাবদ্ধ শর্তের জালটিতে এই সীমানা শর্তটি বাস্তবায়নের দুটি উপায় সম্পর্কে ভাবতে পারি:
একটি ভূত কোষ পদ্ধতির।
ভূত কোষ সহ সীমাবদ্ধ পার্থক্য হিসাবে লিখুন σ এল = ডি ইউ 1 - ইউ 0
উ: এর মধ্যবর্তী মানের, u ( x L ) খুঁজে পেতে x 0 এবং x 1 পয়েন্টের সাথে লিনিয়ার ইন্টারপোলেশন ব্যবহার করুন ।
খ। বিকল্পভাবে কোষগুলির উপরের গড়ের সাহায্যে সন্ধান করুন, ইউ ( এক্স এল ) = 1
উভয় ক্ষেত্রেই, ভূত কোষের উপর নির্ভরতা স্বাভাবিক উপায়ে (সসীম পরিমাণের সমীকরণের বিকল্পের মাধ্যমে) নির্মূল করা যেতে পারে।
একটি বহির্মুখী পদ্ধতি
X 1 , x 2 ( x 3 ) পয়েন্টে মানগুলি ব্যবহার করে জন্য একটি রৈখিক (বা চতুর্ভুজ) ফাংশন ফিট করুন । এটি আপনার ( x এল ) এর মান সরবরাহ করবে । রৈখিক (বা চতুর্ভুজ) ফাংশনটি তখন সীমানায় ডেরিভেটিভ, ইউ x ( x এল ) এর মানের জন্য একটি অভিব্যক্তি খুঁজতে পৃথক হতে পারে । এই পদ্ধতির কোনও ভূত ঘর ব্যবহার করে না ।
প্রশ্নাবলি
- তিনটির কোনটি (1A, 1B বা 2) "স্ট্যান্ডার্ড" বা আপনি সুপারিশ করবেন?
- কোন পদ্ধতির ক্ষুদ্রতর ত্রুটি পরিচয় করানো হয় বা সবচেয়ে স্থিতিশীল?
- আমি মনে করি আমি নিজেই ভূত কোষের পদ্ধতির প্রয়োগ করতে পারি, তবে, কীভাবে এক্সট্রাপোলেশন পদ্ধতির প্রয়োগ করা যেতে পারে, এই পদ্ধতির কোনও নাম আছে কি?
- লিনিয়ার ফাংশন বা চতুষ্কোণ সমীকরণের ফিটিংয়ের মধ্যে কি কোনও স্থায়িত্বের পার্থক্য রয়েছে?
নির্দিষ্ট সমীকরণ
আমি এই সীমানাটি অ-লিনিয়ার উত্স শব্দ সহ অ্যাডভেকশন-বিস্তারের সমীকরণের (সংরক্ষণ আকারে) প্রয়োগ করতে চাই,
উপরে এই সমীকরণ Discretising ব্যবহার জাল -method দেয়,
তবে সীমানা পয়েন্টের জন্য ( ) জটিলতা হ্রাস করার জন্য আমি সম্পূর্ণ অন্তর্নিহিত স্কিম ( θ = 1 ) ব্যবহার করতে পছন্দ করি ,
ভুত পয়েন্ট , এটি সীমানা শর্ত প্রয়োগ করে মুছে ফেলা হবে।
সহগের সংজ্ঞা রয়েছে,
সমস্ত " " ভেরিয়েবল উপরের চিত্রের মতো সংজ্ঞায়িত করা হয়েছে। অবশেষে, Δ t যা সময় পদক্ষেপ ( বিশেষ দ্রষ্টব্য এই একটি হল সরলীকৃত ধ্রুবক সঙ্গে কেস এবং ঘ কোফিসিয়েন্টস বাস্তবে " R " কোফিসিয়েন্টস সামান্য বেশি এই কারণে জটিল)।