文献

J-GLOBAL ID：201802211843233014   整理番号：18A0326775

ランダム入力データによる非局所拡散問題のための縮小基底法【Powered by NICT】

Reduced basis methods for nonlocal diffusion problems with random input data

著者 (5件)： Guan Qingguang (Department of Scientific Computing, Florida State University, Tallahassee, FL 32306, United States) ,  Gunzburger Max (Department of Scientific Computing, Florida State University, Tallahassee, FL 32306, United States) ,  Webster Clayton G. (Computational and Applied Mathematics, Oak Ridge National Laboratory, Oak Ridge, TN 37831, United States) ,  Webster Clayton G. (Department of Mathematics, University of Tennessee, Knoxville, TN 37996, United States) ,  Zhang Guannan (Computational and Applied Mathematics, Oak Ridge National Laboratory, Oak Ridge, TN 37831, United States)
資料名： Computer Methods in Applied Mechanics and Engineering  (Computer Methods in Applied Mechanics and Engineering)
巻： 317  ページ： 746-770  発行年： 2017年 
JST資料番号： E0856A  ISSN： 0045-7825  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ランダム入力データを持つ非局所拡散問題を含む不確実性定量化問題のための減少基底法の構築,解析,応用が本研究の主題である。類似局所偏微分方程式モデルと比較して離散化した非局所モデルのスパース性の不足のため,低次元モデル化のための必要性は,非局所的設定でより深刻である。この努力では,アフィンランダム係数をもつ非局所拡散方程式のための減少基底近似を開発した。提案欲張り減少基底法の効率推定値を提供した。数値例は,完全な有限要素法を用いて,まばらな格子内挿に比べて減少基底法の効率と精度に及ぼす種々のモデルパラメータ変動効果を説明した。提案した縮小基底法による取り扱いが実際に標準粗格子法にかなりの省力を提供することができることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 推定量 ,  モデル ,  偏微分方程式 ,  モデリング ,  拡散方程式 ,  近似法 ,  内挿法 ,  不確実性 ,  *基底 ,  有限要素法
準シソーラス用語： モデルパラメータ ,  低次元 ,  スパース性 ,  離散化 ,  *入力データ , 【Automatic Indexing@JST】

著者キーワード (4件)： 縮小基底法 ,  非局所拡散 ,  不確実性定量化 ,  有限要素法

分類 (2件)： 数値計算  (JE02000J) ,  構造力学一般  (HD01000X)

タイトルに関連する用語 (5件)： 入力データ ,  拡散 ,  問題 ,  縮小 ,  基底