學習不規則域中泊松方程式的格林函數;Learning the Green’s functions for Poisson equations in irregular domains

NCU Institutional Repository > 理學院 > 數學研究所 > 博碩士論文 > Item 987654321/95733

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/95733

题名:	學習不規則域中泊松方程式的格林函數;Learning the Green’s functions for Poisson equations in irregular domains
作者:	陳志煌;Chen, Jhih-Huang
贡献者:	數學系
关键词:	格林函數;泊松方程式;Green’s functions;Poisson equations
日期:	2024-07-18
上传时间:	2024-10-09 17:13:30 (UTC+8)
出版者:	國立中央大學
摘要:	本研究的目的是使用物理信息神經網絡和 BI-GreenNet 兩種方法訓練格林函數，以求解泊松方程。泊松方程的解可以透過格林函數的積分式表示，因此我們使用這兩種方法來訓練格林函數。格林函數透過基本解可以分為顯式奇異部分和光滑部分。物理信息神經網絡方法透過定義損失函數，其中包括拉普拉斯方程項的殘差和邊界條件部分，以此來訓練格林函數。在 BI-GreenNet 方法中，先定義單層電勢和雙層電勢，並利用它們自動滿足拉普拉斯方程項的性質，因此損失函數僅包含邊界條件部分。數值結果顯示，無論是物理信息神經網絡還是 BI-GreenNet 方法，當格林函數的點源接邊界時，結果的準確性都會下降。然而，BI-GreenNet 可以通過增加數值積分對邊界分割的數量或是採用更精細的方法處理近奇異積分，來減少誤差，提高結果的精度。 ;The purpose of this study is to use two methods, physical information neural network and BI-GreenNet, to train the Green function to solve Poisson equation. The solution of Poisson’s equation can be expressed by the integral form of Green’s function, so we use these two meth ods to train Green’s function. Green’s function can be divided into an explicit singular part and a smooth part through the basic solution. The physical information neural network method trains the Green’s function by defining a loss function that includes the residual and boundary condition parts of the Laplace equation term. In the BI-GreenNet method, the single-layer po tential and the double-layer potential are first defined, and they are used to automatically satisfy the properties of the Laplace equation terms, so the loss function only contains the boundary condition part. Numerical results show that whether it is the physical information neural net work or the BI-GreenNet method, when the point source of the Green’s function approaches the boundary, the accuracy of the results decreases. However, BI-GreenNet can reduce errors and improve the accuracy of results by increasing the number of boundary segmentations by numerical integration or using a more refined method to process near-singular integrals.
显示于类别:	[數學研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	141	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....