为什么坏 jacobians 有时可以更好地用于隐式 ODE 方法?

计算科学 有限差分 雅可比
2021-12-20 17:34:06

我正在解决一个描述大气化学和传输的刚性 ODE 系统。我正在使用 Sundials Computing 的 CVODE BDF。我有两种近似雅可比的方法:

  1. 允许 CVODE 用有限差分逼近雅可比。
  2. 我有一个雅可比函数,它使用有限差分和解析导数的混合,但也需要一些捷径,省略一些雅可比项以获得一些速度。

由于某种原因 jacobian (2) 有效 - 集成顺利进行直到结束 - 但 jacobian (1) 不起作用。使用 jacobian(1) 时,积分会顺利进行一段时间,但有时会卡住,无法取得进展。

这与我的预期相反。我猜 jacobian (1) 是 jacobian 的更好近似值。

为什么更差的雅可比比更接近雅可比的效果更好?

希望这不是太模糊!感谢您的任何想法。

1个回答

雅可比的有限差分近似只有在为每个坐标选择适当的步长时才真正有效。但是像 CVODE 这样的黑盒求解器无法知道这些步长应该是多少,因此必须使用启发式方法来选择它们。这可能会也可能不会。如果您基于专家洞察力而不是黑盒选择提供雅可比行列式的近似值,您几乎总是会更好。