Trong số, điều rất quan trọng là có thể xác định các sơ đồ không ổn định và cải thiện tính ổn định của chúng. Làm thế nào để xác định tính toán dấu phẩy động không ổn định?
Tôi đang làm việc trên một mô phỏng rất phức tạp, trong đó nhiều sơ đồ số làm việc cùng nhau và tôi đang tìm kiếm một phương pháp để xác định các phần yếu của nó. Tôi đang làm việc trên một mô hình vật lý liên quan đến phương trình vi phân. Một cái nhìn của một con chim về quá trình tổng thể là:
(Bước sơ bộ) Thu thập vật lý quan sát P .
Xác định các tham số ban đầu của mô phỏng. Điều này sử dụng thuật toán tối ưu hóa, trong đó chúng ta đi bộ trong một không gian tham số và tìm kiếm các tham số C sao cho một số hàm lỗi E (F (C), P) được giảm thiểu, trong đó F là một số lượng xuất phát của các tham số.
Cắm C vào động cơ mô phỏng. Đây là sơ đồ Euler của EDP, do đó, ở mỗi bước, chúng tôi tính toán các thuật ngữ điều khiển động (mỗi trong số chúng là một hàm phức tạp, có khả năng không ổn định) và cung cấp sơ đồ Euler với các thuật ngữ động này để tính toán tiếp theo tiểu bang. Điều này diễn ra trong hàng ngàn điểm thời gian.
Khi kết thúc mô phỏng, chúng tôi tính toán một số hàm Proof (S) của trạng thái cuối S và so sánh với một số đại lượng Yêu cầu (P) suy ra từ các đại lượng quan sát được. Đây không phải là một bằng chứng chính thức về kết quả, hơn nữa là kiểm tra tính hợp lý.
Ngoài ra, tôi thấy một tháp các hoạt động phức tạp (tính toán các thuật ngữ động, trong sơ đồ Euler, trong Chứng minh ). Và muốn nhận ra những bộ phận xấu của Viking và sửa chúng.
Tôi suy đoán rằng việc sử dụng phần mềm triển khai các số dấu phẩy động với độ chính xác giảm sẽ giúp phóng đại tính không ổn định của các sơ đồ số, do đó giúp giảm bớt sự so sánh giữa các triển khai khác nhau. Đây có phải là một kỹ thuật phổ biến để điều tra câu hỏi này? Có thể sử dụng một máy ảo, như Bochs, để đạt được điều này mà không làm thay đổi chương trình?
Để giải quyết một cách thích hợp với câu hỏi về tính ổn định, đôi khi có thể chấp nhận nhắm mục tiêu đầu vào điển hình của thủ tục số, để nó có thể được điều chỉnh để làm tốt với đầu vào đó và có thể kém hơn ở đầu vào hợp lệ, nhưng không chắc chắn khác. Cho một mẫu các đầu vào điển hình, có thể rình mò một số kết quả trung gian và chuẩn bị một hồ sơ thống kê cho chúng. Một lần nữa, đây có phải là một kỹ thuật phổ biến để nghiên cứu các vấn đề ổn định? Là một máy ảo hữu ích cho việc này?