通过平滑数据提高模型的收敛性

文章预览

您有没有遇到过想要将实验数据作为载荷或边界条件的情况？如果这些数据随空间或时间变化并且包含噪声，那么可能需要非常精细的网格，或者求解器可能需要非常短的时步。实际上，我们通常不希望或不需要这样做。一种可能的解决方案是，对输入数据进行滤波来使其更加平滑。接下来，让我们了解更多详细操作。 使用基于方程的建模方法滤波噪声数据 首先，假设一些输入数据样本，如下图所示。我们先不考虑数据代表什么，并假设横轴代表空间或时间。可以观察到，这些数据包含明显的噪声，并且具有明显的趋势。在模型中使用这些数据之前，我们想降低噪声。 包含明显噪声的数据样本。 在这里，我们可以使用一种被称为亥姆霍兹滤波器(Helmholtz filter)的技术。这种类型的滤波器是近期提出并被证明在拓扑优化领域非常有用。实际上，这个 ………………………………