一种径向基函数插值的ENO格式

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (2): 53-56.

一种径向基函数插值的ENO格式

刘丽，赵凤群

西安理工大学理学院，西安 710054

出版日期:2013-01-15 发布日期:2013-01-16

ENO scheme based on interpolation of radial basis function

LIU Li, ZHAO Fengqun

School of Science, Xi’an University of Technology, Xi’an 710054, China

Online:2013-01-15 Published:2013-01-16

摘要/Abstract

摘要： 将ENO格式和径向基函数插值相结合，提出了求解双曲型偏微分方程的径向基函数插值的ENO方法。该方法依据ENO思想建立自适应模板，在选定的模板上利用径向基函数进行逼近，能够很好地处理具有间断解的问题，消除间断点处数值振荡现象。以一维双曲型偏微分方程为例，对该方法进行了验证，并通过与多项式ENO格式比较，表明该方法更具有优势。

关键词: 守恒律方程, 总变差减小（TVD）, 基本无振荡（ENO）方法, 径向基函数

Abstract: Combining the ENO scheme with radial basis function interpolation, an ENO method for solving hyperbolic partial di-
fferential equations is introduced. According to the idea of ENO, the self-adjusting template is established, and the RBF interpolation is used to approximate in the selected template. Moreover, the problem with uncontinuous solution can be solved primely, and the numerical oscillation phenomenon at uncontinuous points is eliminated. Numerical results are presented for one-dimensional hyperbolic partial differential equation, and as compared with polynomial ENO method, this algorithm has more advantages.

Key words: conservation laws equation, Total Variation Diminishing（TVD）, Essentially No Oscillatory（ENO） method, radial basis function

刘丽，赵凤群. 一种径向基函数插值的ENO格式[J]. 计算机工程与应用, 2013, 49(2): 53-56.

LIU Li, ZHAO Fengqun. ENO scheme based on interpolation of radial basis function[J]. Computer Engineering and Applications, 2013, 49(2): 53-56.

[1]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	李淑玲. 基于径向基点插值的Chan-Vese模型图像分割算法[J]. 计算机工程与应用, 2018, 54(11): 193-197.
[4]	孙堂乐，李国辉. EEMD与RBF神经网络的太阳黑子月均值预测[J]. 计算机工程与应用, 2017, 53(24): 252-256.
[5]	陆亚男，南敬昌，高明明. 改进并行粒子群算法优化RBF神经网络建模[J]. 计算机工程与应用, 2017, 53(14): 45-50.
[6]	郑雪辉，王士同. 基于迁移学习的径向基函数神经网络学习[J]. 计算机工程与应用, 2016, 52(5): 6-10.
[7]	厉征鑫，刘建立，周建，高卫东. 基于二维经验模态分解的织疵分割算法改进[J]. 计算机工程与应用, 2016, 52(24): 217-222.
[8]	徐明亮1，2，赵吉3，唐玉兰1. FRBF神经网络分类器设计新方法[J]. 计算机工程与应用, 2016, 52(13): 157-161.
[9]	杨剑锋，张翠，张峰. 机械臂轨迹跟踪控制——基于EC-RBF神经网络的机械臂模型参考自适应控制[J]. 计算机工程与应用, 2015, 51(9): 82-86.
[10]	周宇峰1，张志远1，2，3，刘利2，杨广文1，2. 一种应用于地球系统模式的通用插值算法模型[J]. 计算机工程与应用, 2015, 51(6): 217-221.
[11]	李安平1，2，刘国荣1，2，杨小亮1，沈细群2. 一类非等阶分数阶非线性系统的神经网络控制[J]. 计算机工程与应用, 2015, 51(20): 240-245.
[12]	谭乾1，江弋1，林凡2. 基于AHP-RBF的Swift云存储负载预测[J]. 计算机工程与应用, 2014, 50(8): 35-39.
[13]	李淑玲，李小林. 全局正定径向基函数在图像分割中的应用[J]. 计算机工程与应用, 2014, 50(6): 139-143.
[14]	许楠，刘丽杰. 径向基函数混沌神经元系统及其应用[J]. 计算机工程与应用, 2014, 50(4): 73-76.
[15]	周晔，余隋怀，初建杰. 基于DFNN的语义驱动色彩智能设计研究[J]. 计算机工程与应用, 2014, 50(3): 145-149.