期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
PNP方程的基于高斯过程回归的新Gummel迭代算法
1
作者 敖渝焱 阳莺 《数学物理学报(A辑)》 CSCD 北大核心 2024年第5期1302-1310,共9页
Poisson-Nernst-Planck(PNP)方程是由Poisson方程和Nernst-Planck方程耦合而成的一类非线性偏微分方程组,其常用的线性化迭代方法-Gummel迭代的效率很大程度上受松弛参数的影响.机器学习中的高斯过程回归(GPR)方法因其训练规模较小,且... Poisson-Nernst-Planck(PNP)方程是由Poisson方程和Nernst-Planck方程耦合而成的一类非线性偏微分方程组,其常用的线性化迭代方法-Gummel迭代的效率很大程度上受松弛参数的影响.机器学习中的高斯过程回归(GPR)方法因其训练规模较小,且不需要提供函数关系,在该文中被应用于预测Gummel迭代的较优松弛参数,加速迭代的收敛速度.首先针对PNP方程的Gummel迭代,设计了一种可预测松弛参数的GPR方法.其次利用Box-Cox转换方法,对Gummel迭代的数据进行预处理,提高GPR方法的准确性.最后基于GPR方法及Box-Cox转换算法,提出了PNP方程的一种新的Gummel迭代算法.数值实验表明,新Gummel迭代算法与经典的Gummel迭代算法相比,求解效率更高,且收敛阶相同. 展开更多
关键词 Poisson-Nernst-Planck方程 Gummel迭代 高斯过程回归 参数预测 机器学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部