MétaCan
Menu
Retour à la cohorte
Enregistrement W2914020430 · doi:10.1002/fld.4721

Robust high‐order semi‐implicit backward difference formulas for Navier‐Stokes equations

2019· article· en· W2914020430 sur OpenAlexafffund
Kak Choon Loy, Yves Bourgault

Notice bibliographique

RevueInternational Journal for Numerical Methods in Fluids · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Methods in Computational Mathematics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversiti Malaysia TerengganuUniversité Pierre et Marie CurieMinistry of Higher Education, Malaysia
Mots-clésExtrapolationMathematicsDiscretizationTruncation errorNonlinear systemTaylor seriesRichardson extrapolationApplied mathematicsTruncation (statistics)Term (time)Finite differenceMathematical analysisStatistics

Résumé

récupéré en direct d'OpenAlex

Summary Taylor‐Hood finite elements provide a robust numerical discretization of Navier‐Stokes equations (NSEs) with arbitrary high order of accuracy in space. To match the accuracy of the lowest degree Taylor‐Hood element, we propose a very efficient time‐stepping methods for unsteady flows, which are based on high‐order semi‐implicit backward difference formulas (SBDF) and the inclusion of grad‐div term in the NSE. To mitigate the impact on the numerical accuracy (in time) of the extrapolation of the nonlinear term in SBDF, several variants of nonlinear extrapolation formulas are investigated. The first approach is based on an extrapolation of the nonlinear advection term itself. The second formula uses the extrapolation of the velocity prior to the evaluation of the nonlinear advection term as a whole. The third variant is constructed such that it produces similar error on both velocity and pressure to that with fully implicit backward difference formulas methods at a given order of accuracy. This can be achieved by fixing one‐order higher than usually done in the extrapolation formula for the nonlinear advection term, while keeping the same extrapolation formula for the time derivative. The resulting truncation errors (in time) between these formulas are identified using Taylor expansions. These truncation error formulas are shown to properly represent the error seen in numerical tests using a 2D manufactured solution. Lastly, we show the robustness of the proposed semi‐implicit methods by solving test cases with high Reynolds numbers using one of the nonlinear extrapolation formulas, namely, the 2D flow past circular cylinder at Re=300 and Re = 1000 and the 2D lid‐driven cavity at Re = 50 000 and Re = 100 000. Our numerical solutions are found to be in a good agreement with those obtained in the literature, both qualitatively and quantitatively.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,068
Tête enseignante GPT0,411
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Numerical Methods in FluidsMême sujetAdvanced Numerical Methods in Computational MathematicsTravaux en français237 207