Finite-difference equations may have rapidly growing and oscillating solutions that in no way resemble the solutions expected from the partial differential equations they are meant to approximate. Such solutions are said to exhibit computational instability. Clearly, it is desirable to avoid these numerical disasters. For linear difference equations with constant coefficients, computational stability can be determined using a Fourier method pioneered by von Neumann (see the article in this series “Computational Stability.” Unfortunately, most equations of physical interest are either nonlinear, or have non-constant coefficients, or both.

유한 차분 방정식의 계산 결과에서 본래 근사하는 편미분 방정식에서 예상되는 것과 크게 다르게 급속하게 증가하고 부호가 자주 반전하는 솔루션을 얻을 수 있습니다.  이러한 솔루션이 나타내는 행동을 “계산 불안정성”라고합니다.  물론 이러한 해석은 바람직하지 않습니다.  상수 계수를 따른 선형 차분 방정식의 계산 안정성을 확인하는 방법으로는 von Neumann 의한 푸리에 방법을 사용할 수 있습니다 (본 시리즈 “계산 안정성” 참조).  불행히도, 물리 현상을 나타내는 대부분의 방정식은 비선형이거나 비 상수 계수를 수반하거나 또는 둘 다입니다.

Heuristic Analysis Methods

In this article a simple heuristic analysis method is described for investigating the computational stability of such finite-difference equations. An important by-product of this type of analysis is that it often suggests simple ways to eliminate the instabilities and at the same time increase the accuracy of the approximations.

이 책에서는 위의 유한 차분 방정식의 계산 안정성을 조사하기위한 간단한 휴리스틱 분석 방법에 대해 설명합니다.  이 유형의 분석은 많은 경우에 불안정을 제거하는 방법을 보여뿐만 아니라 근사치의 정확도를 높이는 방법도 보여주는 뛰어난 특징이 있습니다.

The approach described here is called “heuristic” because it is not rigorous or complete, but it often works and can provide a great deal of useful information. Reference [1] is the original publication describing the heuristic stability method from which much of this article has been taken.

여기서 설명하는 방법은 엄격하지도 완전하지도 않은 것으로부터 “추론”이라고되어 있지만, 많은 경우에 유효하고 유용한 정보를 많이 제공합니다.  안정성을 분석하기위한 휴리스틱 기법에 대해 작성된 참고 문헌 [1]은이 책에서 다루고 많은 정보 출처 소스입니다.

Heuristic analysis is based on the rather simple idea of reducing a finite-difference equation back to a partial differential equation by expanding each of its terms in a Taylor series and keeping only terms to a certain order in the expansion. This expansion is in powers of the space and time increments, which are assumed to be small to begin with.

휴리스틱 분석은 유한 차분 방정식을 전개하고 각항을 테일러 급수로 나타내 특정 차수까지의 항만을 남김으로 편미분 방정식에 귀착시키는 비교적 간단한 개념을 기반으로합니다.  이 확장은 처음에는 작은 것으로 예상되는 공간 증가 및 시간 증분의 거듭 제곱으로 표시됩니다.

Certainly such an expansion must, to lowest order, reproduce the original partial differential equation, otherwise, it would not be a good approximation. Oftentimes this requirement is referred to as the “consistency” of the approximation. Terms beyond the lowest order in the expansion are referred to as truncation errors.

이러한 확장은 원래의 미분 방정식을 최소 차수까지 재현하는 것이 필수적입니다.  그렇지 않으면 좋은 근사치를 얻을 수 없습니다.  이 요구 사항은 종종 근사치의 ‘일치 성’이라고 합니다.  전개 된 최소 차수 다음은 절단 오류라고합니다.

The basic concept of a heuristic analysis is that the Taylor-expanded equation is a more accurate representation of the difference equation than the original partial differential equation. Even keeping only a few truncation error terms should result in a partial differential equation that is more closely related to the difference equation. With this in mind, the following discussion will show that an examination of the truncated equation can sometimes reveal properties shared with the difference equation such as stability problems, necessary initial conditions and/or serious inaccuracies.

휴리스틱 분석은 테일러 전개 방정식 쪽이 원래 편미분 방정식보다 차분 방정식을보다 정밀하게 나타내고 있다는 기본 개념을 기반으로합니다.  절단 오차 부분을 일부 남긴 경우에도 항은 차분 방정식에 가까운 편미분 방정식입니다.  이 점을 염두에 두면서 여기에서 계산을 중단 한 식을 조사함으로써 안정성 문제 필요한 초기 조건 심각한 부정확성 등 차등 방정식과 일반적인 특성이 밝혀 질 것을 보여 있습니다.

To begin, we consider the same linear partial differential equation that was discussed in the first article on stability: Computational Stability.

첫째, 안정성에 쓰여진 ” 계산 안정성”에서 사용한 것과 동일한 선형 편미분 방정식 생각합니다.

Linear Equation Example

The equation for one-dimensional advection-diffusion of a variable u(x,t) is

여기에서는 변수 u (x, t)의 1 차의 이류 확산 방정식을 이용합니다.

(1)    

The convection velocity c and the diffusion coefficient ν are assumed to be constants. Solutions of this equation are known to be bounded and otherwise well-behaved.

대류 속도 c와 확산 계수 ν은 상수로 간주합니다.  이 방정식의 해는 경계이며, 양호한 거동을 나타내는 것을 알 수 있습니다.

What will be shown here is that the stability of a simple finite-difference approximation to Eq. 1 can be determined from an examination of the truncations errors resulting from a Taylor series expansion of a the difference equation. Not only does this process reveal that there are two basic types of instability, but we shall be able to make a direct comparison between the heuristic method and the von Neumann type of Fourier analysis carried out in Computational Stability. This comparison provides a useful rule-of-thumb for which truncation error terms to keep and which to eliminate from the Taylor expansion in order to evaluate the difference equation’s stability.

여기에서는 차분 방정식의 테일러 급수 전개로 인한 절단 오차를 조사하는 것으로, 식 1에 대한 간단한 유한 차분 근사의 안정성을 판단 할 수있는 것을 나타냅니다.  이 프로세스는 불안정성은 기본적으로 두 가지 유형이 있다는 것을 밝혀 질뿐만 아니라 휴리스틱 기법과 “계산 안정성”에서 이용한 von Neumann 유형의 푸리에 분석을 직접 비교할 수 있게 되는 것 있습니다.  이러한 비교를 통해 차이 방정식의 안정성을 평가하는데 테일러 전개로 인한 절단 오차 중 유지해야 할 항목과 배제 할 부분을 결정하는 데 유용한 경험규칙을 얻을 수 있습니다.

The simple, explicit finite-difference equation approximating Eq. 1 discussed in Computational Stability is

다음 수식은 “계산 안정성”에서 설명한 식 1을 근사하는 간결하고 양적인 유한 차분 방정식입니다.

(2)    

where, e.g., u_jⁿ denotes u(jδx,nδt). This is called a forward-in-time approximation that allows all j location values to be computed at time step n+1, provided all the j values at step n are known. In other words, the difference equation requires one initial condition to start things off, just as the original partial differential equation also requires a single initial condition because it only involves a single time derivative.

여기서, u j n은 u (jδx, nδt)을 나타냅니다.  이것은 시간의 전진 차분 근사라는 것으로, 시간 단계 n의 공간 내의 위치 j 값이 모두 알려진이면 단계 n + 1의 모든 j 값을 계산할 수 있습니다.  즉, 원래의 미분 방정식에서 1 개의 초기 조건이 필요할뿐만 아니라 하나의 시간 미분만을 포함하기 때문에 차분 방정식에서 계산을 시작함에있어서 초기 조건이 하나 필요합니다.

It may be observed that difference equation, Eq. 2, has the property that each space and time location (jδx,nδt) will affect points at time step n+1 at locations j-1, j and j+1. That is, point (jδx,nδt) has a region of influence at later time bounded by lines having slopes ±δx/δt in x-t space. These are similar to characteristic lines along which signals can propagate. For example, the original equation, Eq. 1, has a characteristic line with slope c along which a disturbance advects. In the discrete equation, however, the characteristic lines are not physical characteristics but computational ones defining the region where the difference equation changes data values resulting from a change in value at a particular point.

차분 방정식 2는 공간 위치 및 시간 위치 (jδx, nδt)마다 타임 단계 n + 1의 위치 j-1, j, j + 1의 각 점에 영향을주는 특성을 볼 수 있습니다.  즉, 점 (jδx, nδt)는 현재보다 먼저있는 시간에서, xt 공간에서 기울기 ± δx / δt를 가진 선이 경계가되는 영향 영역을 가지고 있습니다.  이것은 신호의 전달을 나타내는 특성 곡선과 비슷합니다.  예를 들어, 원래 식 1은 교란의 이류를 나타내는 기울기 c의 특성 선을 가지고 있습니다.  그러나 이산 방정식의 특성 선은 물리적 특성을 나타내는 것이 아니라 특정 시점의 값의 변화에 따라 차이 방정식의 데이터 값이 변화하는 영역을 정의하는 계산의 특성을 나타냅니다.

We saw in the Computational Stability article that a Fourier series technique could be used to determine a set of three stability conditions for the difference equation, Eq.2. Here we shall see what can be learned from looking at the truncation errors associated with the approximating equation, Eq. 2.

” 계산 안정성”에서는 푸리에 급수에 의한 방법을 이용하여 차등 방정식 2에 대한 3 개의 안정 조건을 이끌어 낼 것을 알 수있었습니다.  이 책에서는 근사 식 2에 관련된 중단 오차를 조사함으로써 얻은 정보에 대해 설명합니다.

Truncation Error Evaluation

Assume that each term in Eq. 2 is a continuous and differentiable function of x and t. Then, for example, “u_j+1,n would be u(x^j+δx,tⁿ) and can be expanded about the point (x_j,tⁿ) in a Taylor series in powers of δx. Carrying out the expansion in δx and δt for all the terms in Eq.2 yields,

식 2 절은 x 및 t의 연속 미분 가능한 함수로 간주합니다.  그러면 예를 들어, u j + 1, n, n은 u (x j + δx, t n)이되고, 점 (x j, t n)의 주위에 δx의 거듭 제곱에서 테일러 급수 전개를 할 수 있습니다.  식 2의 모든 사항에 대해 δx 및 δt로 확장하면 다음 식을 얻습니다.

(3)    

All second and higher order terms in δx and δt have been lumped into the order symbol O(δx² ,δt²). This is a consistent approximation because it reduces to the original partial differential equation, Eq. 1, when δx and δt tend to zero.

2 차 이상의 δx 및 δt 절은 주문 기호를 사용하여 O (δx 2, δt 2)라고 기술되어 있습니다.  δx 및 δt가 제로에 접근 할 때, 원래의 편미분 방정식 1로 귀착하기 때문에 이것은 일관성 있는 근사치라고 할 수 있습니다.

Comparison of Fourier and Truncation Error Analysis

In the article Computational Stability a typical Fourier mode of the form

“계산 안정성”에서는 다음과 같은 형식의 전형적인 푸리에 모드

was substituted into the difference equation, Eq.2, to obtain an equation for r,

이를 차등 방정식 2에 대입하면 r을 구하는 식을 얻었습니다.

(4)    

Computational stability of the difference equation requires that the magnitude of r remain less than or equal to 1.0.

차분 방정식의 계산 안정성을 실현하려면 r의 절대 값을 1.0 이하로하는 것이 필요합니다.

If we insert a Fourier mode of the form exp(i(kx+wt)) into the truncated Eq. 3, it will be seen that the result is the same as Eq. 4 with r=exp(iwδt) and then expanded in powers of wδt, plus the sine and cosine expanded in powers of kδx. This confirms that the two results are the same, as they should be to O(δx²,δt²) retained in Eq. 3.

exp (i (kx + wt)) 형식의 푸리에 모드를 계산을 중단 한 식 3에 대입하면 r = exp (iwδt)되고, wδt의 거듭 제곱에서 전개되고 더 sin과 cos는 kδx의 거듭 제곱 전개되고 식 4와 같은 결과를 얻을 수 있는 것을 알 수 있습니다.  식 3에서 개최 된 O (δx 2, δt 2)와 같이 두 결과는 동일하다고 확정됩니다.

However, the comparison also indicates that to keep the basic form of r in Eq. 4, with its real and imaginary parts, we must keep at least the first non-zero terms from the sine and cosine when they are expanded in powers of kδx. The first non-zero term in the imaginary contribution to r comes from sin(kδx) and is proportion to kδx, which corresponds to the first derivative with respect to x in Eq.3. The first non-zero term in the real part of r (other than 1) comes from cos(kδx) and is proportional to (kδx)², which corresponds to the second derivative with respect to x in Eq. 3.

그러나 이 비교에서는 식 4의 실수 부와 허수 부로 구성된 r의 기본 형식을 유지하려면 kδx의 제곱으로 전개 된 때 적어도 sin과 cos의 첫 번째 non-zero 항을 유지 해야한다고 표시됩니다.  r의 허수 부분의 첫 번째 non-zero 항은 sin (kδx)로부터 유도 된 것으로, kδx에 비례합니다.  이것은 식 3의 x에 대한 1 차 도함수에 대응합니다.  r의 실수 부 최초의 non-zero 항 (1 제외)은 cos (kδx)로부터 유도 된 것으로, (kδx) 2에 비례합니다.  이것은 식 3의 x에 관한 2 차 도함수에 대응합니다.

These observations lead to the rule-of-thumb that for the truncated equation to reproduce the lowest order real and imaginary parts of the amplification factor r, it is necessary to retain the lowest order even and odd derivatives with respect to each independent variable in the truncation error. In Eq. 3 there is only one first order term proportional to δt and it is a second derivative with respect to t. There are no first order terms proportional to δx.

이러한 점에서 계산을 끊은 식으로 진폭 계수 r의 최소 차수의 실수 부와 허수 부를 재현하려면 중단 오차에서 각 독립 변수에 대해 최소 차수의 짝수와 홀수 함수 (도함수) 을 유지해야한다는 경험식을 지도합니다.  식 3에서 δt에 비례하는 1 차 항은 하나만에서 t에 대한 2 차 도함수입니다.  δx에 비례하는 1 차 항은 없습니다.

Examining the Truncated Equation for Stability

Using the above rule-of-thumb, the truncated equation is,

위의 경험식을 사용하면 계산을 중단 한 식은 다음과 같이됩니다.

(5)    

The first important thing to note is that this is not identical to the original partial differential equation, Eq. 1. The claim made here is that Eq. 5 is a better approximation of the finite-difference equation than Eq. 1 and because of this we can obtain information about the stability properties of the difference equation. This, in fact, is the case.

여기에서 먼저주의해야 할 점은이 표현은 원래 편미분 방정식 1과 동일하지 않다는 것입니다.  여기에서 증명하고 싶은 것은, 식 5 식 1보다 유한 차분 방정식을 양호하게 근사 할 식이며, 따라서 차이 방정식의 안정성을 나타내는 특성에 대한 정보를 얻을 수 있다는 점입니다.  바로 이것이 증명됩니다.

Recall that the difference equation propagated information into a region of influence bounded by lines whose slopes are dx/dt=±δx/δt. Similarly, the truncated Eq. 5 has a hyperbolic (i.e., wave) character because of the second space and second time derivatives, and the effective wave speeds are ±(2ν/δt)^½. If the difference equation is to have any hope of approximating the truncated equation then its region of influence must at least encompass the region of influence of the truncated equation, which leads to the condition

전술 한 바와 같이 차등 방정식은 기울기 dx / dt = ± δx / δt를 가진 선이 경계가되는 영향 영역에 정보가 전달됩니다.  마찬가지로 계산을 중단 한 식 5는 공간에 대한 2 차 도함수 및 시간에 대한 2 차 도함수에 의해 쌍곡선 (즉, 파동)의 특성을 가지고 유효한 파동 속도는 ± (2ν / δt ) ½입니다.  차분 방정식으로 계산을 중단 한 식을 근사하려면 그 영향 영역이 적어도 계산을 끊은 식의 영향 영역을 포함하고 있어야합니다.  그러면 다음의 조건이 도출됩니다.

(6)        or  

Courant, Friedrichs and Lewy [2] used a similar region of influence condition, now called the Courant condition, which restricts the distance a wave travels in one time increment to less than one space increment. A violation of the Courant condition leads to an oscillating and exponentially growing instability. Condition Eq. 6 is precisely one of the stability conditions found from Fourier analysis in Computational Stability.

Courant, Friedrichs 및 Lewy [2]는 유사한 영향 영역에 관한 조건을 사용했습니다.  현재 이것은 “쿨랑 조건”이라고 불리며 하나의 시간 증분 사이에 파도가 전파하는 거리가 하나의 공간 증분 미만으로 제한된다는 것입니다.  쿨랑 조건이 충족되지 않은 경우, 부호의 빈번한 반전이나 기하 급수적 인 증가를 수반 불안정성이 생깁니다.  조건식 6은 바로 ‘ 계산 안정성 “푸리에 분석에서 도출 한 안정 조건의 하나입니다.

A similar Courant-type condition can be inferred from the two first order derivative terms (the advective terms) in the truncated Eq. 5, which propagate information with speed c,

계산을 중단 한 식 5의 2 개의 1 차 도함수 항 (이류 항)에서 다음과 같은 유사한 쿨랑 유형 조건을 추측 할 수 있습니다.  여기에서 정보는 속도 c로 전달합니다.

(7)    

This stability condition, also identified in Computational Stability, likewise leads to an oscillating and growing instability when violated.

이 안정 조건도 “계산 안정성”로 표시 한 것으로, 충족되지 않을 때뿐만 아니라 부호의 반전이나 증가를 수반 불안정성이 생깁니다.

To uncover a third stability condition we must first rewrite the truncated equation by converting the δt term to have space instead of time derivatives, but in a way that still maintains the first order of the expansion. This is done by differentiating Eq. 3 by t and neglecting all first and higher order terms,

세 번째 안정 조건을 도출 먼저, δt 항을 변환하여 계산을 중단 한 식을 다시 작성합니다.  이 때 배포 1 차 항이 유지되도록 시간 도함수 대신 공간 도함수를 갖도록 변환합니다.  이것은 식 3을 t로 미분 1 차 이상의 항을 무시합니다.

(8)    

Next replace the first time derivative of u by t in this equation using Eq. 1 to obtain

그런 식 1을 이용하여이 식 u / t 시간의 1 차 도함수를 대체하여 다음의 식을 얻는다.

(9)    

Finally, rewrite the truncated Eq.5 using this result for the δt term

마지막으로,이 결과를 이용하여 δt 사항에 대해 계산을 중단 한 식 5를 다시 작성합니다.

(10)    

This result is identical to what would have been obtained by Taylor expanding the original finite-difference equation about the point x=jδx and t=(n+½)δt (and would probably have been easier).

마지막으로 얻어진 수식은 원래 유한 차분 방정식을 점 x = jδx 및 t = (n + ½) δt의 주위에 테일러 전개하고 (아마도 더 쉽게) 제공하는 것과 같은 식입니다.

According to our rule-of-thumb the last two terms on the right side proportional to δt can be dropped because they involve higher order derivatives than what is in the first δt term on the right side, which leaves,

위의 경험칙에서 δt에 비례 우변의 마지막 두 절은 우변의 첫 번째 δt 항에 포함 된 것보다 고차 도함수를 포함하기 때문에 폐기합니다.

(11)    

This is an alternative form for the truncated equation that retains only the lowest order (first) truncation errors and only those that contain the lowest even and odd derivatives with respect to each independent variable.

이것은 계산을 끊은 식의 대체 형식으로 최소 차수 (1 차)의 중단 오차와 각 독립 변수에 대해 최소의 짝수와 홀수 함수 (도함수)을 포함 것만을 보유하고 있습니다.

Equation 11 is nearly the same as the original Eq. 1, except for a modified diffusion coefficient. The significant thing here is that the diffusion coefficient can be negative. As long as the diffusion coefficient is positive solutions of Eq. 11 exhibit exponentially damped behavior, but with a negative coefficient solutions have an exponentially growing character, i.e., a computational instability! Thus, a further condition for computational stability is that the diffusion coefficient remains positive,

식 11는 변형 된 확산 계수를 제외하고는 원래의 식 1과 거의 동일합니다.  여기서 중요한 것은, 확산 계수는 마이너스가 될 가능성이있는 것입니다.  확산 계수가 양수로 한 식 11의 해는 기하 급수적으로 감쇠 거동을 나타내지 만 계수가 음수 솔루션은 기하 급수적으로 증가하는 특성을 보인다, 즉 계산의 불안정성이 생깁니다 .  따라서 계산 안정성을 구현하기위한 또 하나의 조건으로 확산 계수가 정의되는 것을 결정합니다.

(12)    

In this case the instability is a pure growing one without the oscillations in sign associated with the two earlier region-of-influence conditions. If instability is encountered, knowing whether it is exhibiting an oscillation in sign or not will identify it as either a region-of-influence violation or a negative diffusion coefficient. Having this knowledge makes it easier to find a remedy for the instability.

이 케이스의 불안정성은 전술의 영향 영역에 관한 두 가지 조건에 관련한 부호 반전을 수반하는 것이 아니라 단순히 증가하는 특성입니다.  불안정성이 보여진다 부호의 빈번한 반전을 수반 여부를 파악하여 영향 영역에 관한 조건 또는 음의 확산 계수에 관한 조건 중이 충족되지 않았는지 확인 할 수 있습니다.  이러한 정보를 파악할 수 있으면 불안정을 해소하는 방법을 쉽게 찾을 수 있습니다.

Application to Two-Dimensional Fluid Flow

A two-dimensional example (x,z) of water flowing under a laboratory scale sluice gate offers a test for examining a computational instability arising from non-linearity in the governing equations. The physical problem consists of water held behind a gate with an elevation of 0.9ft. Downstream (right) of the gate there is a water pool of depth 0.14 ft. Gravity is 32.2 ft/s² in the negative z direction (down). At time t=0 the gate is raised up a distance of 0.125ft and water surges out into the pool. Figure 1 shows the resulting flow obtained with a Navier-Stokes solver [3] at t=0.35s. The solver used for this example has been optimized to automatically eliminate instabilities so none are apparent in this case, but it is possible to force the program to use non-optimum settings.

실험실 규모의 수문 아래를 통과하는 2 차원 (x, z)의 흐름의 예는 지배 방정식의 비선형 성으로 인한 계산 불안정성을 조사 테스트합니다.  이 물리 현상 문제는 0.9 피트 높이까지 물을 막아서있는 수문이 있습니다.  수문 하류 측 (오른쪽)의 수심은 0.14 피트입니다.  중력이 -z 방향 (아래쪽)에 32.2 피트 / s 2입니다.  시간 t = 0에 수문은 0.125 피트 상승하고 물이 하류로 흘러갑니다.  그림 1은 나비에 스톡스 솔버[3]을 이용하여 얻은 t = 0.35s의 흐름을 나타냅니다.  이 예에서 사용 된 솔버는 불안정성을 자동으로 제거하도록 최적화되어 있기 때문에이 경우에는 불안정성은 볼 수 없습니다.  그러나 프로그램에 최적화되지 않은 설정을 강제로 실행할 수 있습니다.

To demonstrate some unstable behavior we first examine a heuristic analysis performed on the vertical velocity equation used in the simulation. Focus is on the effective diffusion coefficients for the z direction velocity w, while all other truncation errors are ignored,

불안정한 거동을 실례로 설명하기 위해 먼저 시뮬레이션에 사용 된 수직 속도 식에 대해 수행 한 휴리스틱 분석을 고찰합니다.  여기에서 z 방향 속도 w에 대한 효과적인 확산 계수에 초점을 맞추고 있으며, 다른 모든 중단 오차는 무시합니다.

(13)    

The diffusion of w in the x and z directions are expressed by the two terms on the right side of Eq. 13, where ν is the fluid viscosity and α is a parameter that modifies the numerical approximation of the term describing the u advection of w, i.e., the second term on the left side of the above equation. When α=0 the finite-difference advection approximation is said to be centered about the location of w, but when α=1 an upstream or “donor cell” approximation is used.

x 및 z 방향의 w의 확산은 식 13의 우변의 두 항으로 표현되어 있습니다.  여기서, v는 유체 점성, α는 w의 u 이류를 나타내는 항 (식 13의 좌변의 제 2 항)의 수치 근사를 수정하는 매개 변수입니다.  α = 0 일 때, 이류의 유한 차분 근사 w의 위치를 중심으로 한 근사하지만, α = 1 일 때, 상류 측 또는 “도나세루」에 의한 근사를 사용합니다.

The first thing to notice is that if ν=0 and a centered difference approximation is also used (α=0) then the lowest order term in the two effective viscosity coefficients are proportional to δt and are negative. This clearly leads to unstable behavior, and is a well known property of the central difference approximation. Adding enough viscosity to keep the diffusion coefficient positive is also an established procedure to gain stability, but at the possible cost of introducing too much diffusion. The upstream difference option, α=1, is a reasonable compromise; provided the condition wδt<δx is maintained, the diffusion coefficients are positive (provided the δx² and δz² terms are small) and the simulation will be stable.

먼저 주의해야 할 점은 ν = 0이고 중심 차분 근사를 사용하는 경우 (α = 0), 2 개의 유효 점성 계수의 최소 차수의 항은 δt에 비례하고, 부가됩니다.  이것은 분명 불안정한 거동을 이끌 것으로, 중심 차분 근사의 잘 알려진 특성입니다.  확산 계수를 양수 유지하기 위해 충분한 점성을 추가 수법도 안정성을 얻는 데에서 확립 된 방법이지만, 확산이 커질 위험성도 있습니다.  상류 측에서 차분 옵션 α = 1은 합리적인 타협이다.  조건 wδt <δx이 충족되는 한, 확산 계수는 양이며 (δx 2 및 δz 2 항이 작은 경우) 시뮬레이션도 안정됩니다.

If the δx² and δz² terms in the diffusion coefficients are not small there is a possibility of unstable behavior. To demonstrate this we set the viscosity to zero and reduce the amount of upstream differencing by setting α=0.05. To keep the negative δt term less than the a term a very small time step δt=0.00025 is used. With these settings the resulting simulation is shown in Fig. 2. An instability in the z velocity has developed just upstream of the sluice gate, which is shown close up in Fig. 3 (where color indicates the z velocity magnitude).

확산 계수의 δx 2 및 δz 2 항이 작지 않은 경우 불안정한 거동이 발생할 수 있습니다.  이를 설명하기 위해 점성을 0으로 설정하고 상류의 차이 량을 α = 0.05로 줄입니다.  부정적인 δt 항이 a 항보다 작아 지도록 매우 작은 시간 단계 δt = 0.00025을 사용합니다.  이러한 설정에서 실행 된 시뮬레이션을 그림 2에 나타냅니다.  수문 상류 측에서 z 속도의 불안정성이 발생하고 있습니다.  그림 3은 그 확대도를 나타냅니다 (색상은 z 속도의 크기를 나타낸다).

This instability is a result of a negative x-direction diffusion coefficient, which is coming from the δx² term. A negative value results from the fact that the flow upstream of the gate is compressing in the z direction, but expanding in the x direction, which means that the x derivative of u in the δx² term is positive in this region resulting in a net negative diffusion coefficient.

이 불안정은 δx 2 항에 의하여 부정되었다 x 방향의 확산 계수에 기인합니다.  수문 상류의 흐름은 z 방향으로 압축하고 있습니다 만, x 방향으로 팽창하고 있기 때문에 음수입니다.  즉,이 영역에서는 δx 2 항의 u의 x 방향 도함수는 긍정적이고 순으로 부정적인 확산 계수입니다.

A check on this conclusion can be made by adding in a little viscosity ν=0.0093 to compensate for the negative δx² term. Figure 4 shows that this change does, indeed, stabilize the flow.

이 결론을 확인하려면 부정적인 δx 2 항을 보정하기 위해 약간 점성을 추가합니다 (ν = 0.0093).  그림 4는이 작은 변화에 의해 흐름이 확실히 안정된 것을 알 수 있습니다.

This example demonstrates that truncation error terms arising from non-linear terms in the original equation influence the computational stability of the difference equation. This type of instability cannot be found by a von Neumann type Fourier analysis. Perhaps most important of all is that when troublesome truncation errors are found to exist this knowledge can be used to alter the finite difference equations to eliminate those errors.

이 예에서는 원래의 방정식의 비선형 항으로 인해 중단 오차 항은 차분 방정식의 계산 안정성에 영향을 미치는 것으로 나타했습니다.  이 유형의 불안정은 von Neumann 유형의 푸리에 분석에서 찾을 수 없습니다.  가장 중요한 것은 문제가 될 수있는 중단 오차가 존재하는 것으로 판명 될 때이 지식을 이용하여 유한 차분 방정식을 수정하여 이러한 오차를 제거 할 수 있습니다.

Summary

To summarize, it has been shown that all the stability conditions associated with a linear finite-difference equation, Eq.2, can be identified using a heuristic truncation error approach. This approach not only identifies the instabilities, it also indicates what can be done to eliminate them. For instance, for a region-of-influence violation only a reduction in the time-step increment will solve the problem, but if there is a negative diffusion coefficient then adding more diffusion to compensate for the errors is one way to regain stability. Knowing the origin of a negative diffusion error may also suggest how the original finite-difference equation might be modified to avoid this problem.

이 책에서는 선형 유한 차분 방정식Eq.2에 관련된 모든 안정 조건을 중단 오차에 대한 경험적 접근에 의해 특정 할 수 있는지를 보여주었습니다.  이 방법은 불안정성을 특정 할 수있을 뿐만 아니라 그것을 제거하는 방법을 보여줍니다.  예를 들어, 영향 영역에 대한 조건이 충족되지 않을 경우 시간 단계를 줄일 수 밖에 없어 문제를 해결할 수 없지만, 음의 확산 계수가 존재하는 경우는 확산을 확대하고 오차를 보정하여 안정성을 되찾는 방법 도 있습니다.  음의 확산 오차의 원인을 아는 것은이 문제를 해결 할 수 있도록 원래의 유한 차분 방정식을 어떻게 해결 하는가하는 방법을 알려 줄 수 있습니다.

The most significant aspect of the heuristic approach is that it is not limited to linear equations with constant coefficients, as was shown in connection with the example of flow under a sluice gate. No special assumptions were necessary to form the approximating truncated equation. The goal was simply to reverse the procedure of writing a difference equation to approximate a partial differential equation, and instead to write a partial differential equation that approximates the difference equation. A simple rule-of-thumb was described for constructing the truncated equation. This approximating equation was then used to check for region-of-influence violations and for possible negative diffusion coefficients both features that lead to unstable solutions.

휴리스틱 접근법의 가장 중요한 특징은 상수 계수를 따른 선형 방정식에 한정되지 않는다는 점입니다.  이것은 수문 아래를 통과하는 흐름의 예에서 나타났습니다.  계산을 끊은 식의 근사 식을 세우는 데 특별한 가정이 필요하지 않았습니다.  편미분 방정식을 근사하는 차분 방정식을 설명하는 것이 아니라 차분 방정식을 근사하는 편미분 방정식을 기술한다는 단순히 역순를 할 목적이었습니다.  계산을 중단 한 식을 세우기위한 간단한 경험칙에 대해서도 설명했습니다.  이 근사 식을 사용하여 솔루션의 불안정으로 이어질 영향 영역에 대한 조건이 충족되어 있는지, 또한 음의 확산 계수가 존재하는지의 두 관점을 확인했습니다.

Several additional examples involving compressible and incompressible fluid dynamics simulations can be found in the original heuristic stability paper [1], which further show how the heuristic approach can be applied to real, practical, non-linear problems.

안정성에 관한 경험적 분석에 대해 기술 된 참고 문헌 [1]에는 압축 흐름 및 비 압축 흐름을 따른 몇 가지 유체 역학 시뮬레이션 예가 나와 있습니다.  또 경험적 접근을 실제 비선형 문제에 적용하는 방법에 대해 자세히 나와 있습니다.

References

1. C.W. Hirt, Heuristic Stability Theory for Finite-Difference Equations, J. Comp. Phys., 2, 339 (1968).
2. R. Courant, K.O. Friedricks and H. Lewy, Math. Ann. 100, 32 (1928).
3. The commercial software package FLOW-3D from Flow Science, Inc., Santa Fe, NM, USA.