《一维热方程热源识别问题的正则化方法.doc》由会员分享,可在线阅读,更多相关《一维热方程热源识别问题的正则化方法.doc(35页珍藏版)》请在三一文库上搜索。
1、数学 应用数学专业毕业论文 精品论文 一维热方程热源识别问题的正则化方法关键词:一维热方程 热源识别 正则化方法 数值计算摘要:本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数
2、值试验的结果验证了正则化方法的有效性。正文内容 本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正则化方法的有效性。本文主要研究了一维热方程中的热源识别问题,
3、该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正则化方法的有效性。本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大
4、小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正则化方法的有效性。本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了
5、正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正则化方法的有效性。本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。
6、 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正则化方法的有效性。本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行
7、了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正则化方法的有效性。本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正
8、则化方法的有效性。本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正则化方法的有效性。本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛
9、的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正则化方法的有效性。本文主要研究了一维热方程中的热源识别问题,该问题在污染源确定方面有很广泛的应用。问题的不适定性,即热源的大小不连续依赖于定解数据的大小,导致数值计算非常困难。 1
10、.对于有界区域情形,运用Ritz逼近正则化方法对该问题进行了正则化求解,并分别给出了有限维逼近空间特殊的选取为特征基空间及Harr空间时的收敛性估计。 2.对于无界区域情形,首先用Fourier变换方法求解了该问题,然后用磨光化方法对其进行了正则化求解,并给出了收敛性估计。 3.另外,还做了相应的数值实验,数值试验的结果验证了正则化方法的有效性。特别提醒:正文内容由PDF文件转码生成,如您电脑未有相应转换码,则无法显示正文内容,请您下载相应软件,下载地址为 。如还不能显示,可以联系我q q 1627550258 ,提供原格式文档。 垐垯櫃换烫梯葺铑?endstreamendobj2x滌?U閩A
11、Z箾FTP鈦X飼?狛P?燚?琯嫼b?袍*甒?颙嫯?4)=r宵?i?j彺帖B3锝檡骹笪yLrQ#?0鯖l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛枒l壛渓?擗#?#綫G刿#K芿$?7.耟?Wa癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb皗E|?pDb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$Fb癳$F?責鯻0橔C,f薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵秾腵薍秾腵%?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍G?螪t俐猻覎?烰:X=勢)趯飥?媂s劂/x?矓w豒庘q?唙?鄰爖媧A|Q趗擓蒚?緱鳝嗷P?笄nf(鱂匧叺9就菹$