值求解實(shí)戰(zhàn)：從SIR模型到熱傳導(dǎo)的建模應(yīng)用)
1. 項(xiàng)目概述從數(shù)學(xué)建模到微分方程求解的核心跨越每年暑假都是數(shù)學(xué)建模競(jìng)賽備戰(zhàn)的黃金時(shí)期。無(wú)論是國(guó)賽、美賽還是各類地區(qū)性賽事微分方程模型都是工具箱里不可或缺的“重型武器”。從描述傳染病傳播的SIR模型到模擬熱量擴(kuò)散的熱傳導(dǎo)方程再到刻畫(huà)種群競(jìng)爭(zhēng)的Lotka-Volterra模型其背后都是常微分方程O(píng)DE或偏微分方程PDE在支撐。然而很多同學(xué)在集訓(xùn)時(shí)都會(huì)遇到一個(gè)尷尬的局面模型方程列出來(lái)了理論解卻求不出來(lái)或者根本不存在解析解。這時(shí)候數(shù)值求解就成了連接抽象模型與具體結(jié)果的唯一橋梁而MATLAB正是搭建這座橋梁最得力的工具之一。我參加過(guò)也指導(dǎo)過(guò)多次數(shù)學(xué)建模集訓(xùn)發(fā)現(xiàn)大家在學(xué)習(xí)MATLAB解微分方程時(shí)最容易陷入兩個(gè)極端要么對(duì)著幾個(gè)內(nèi)置函數(shù)死記硬背遇到復(fù)雜點(diǎn)的問(wèn)題就束手無(wú)策要么被各種數(shù)值算法的理論嚇退覺(jué)得深不可測(cè)。其實(shí)對(duì)于數(shù)學(xué)建模而言我們不需要成為數(shù)值分析專家但必須成為一個(gè)“會(huì)調(diào)參、懂診斷、能解決問(wèn)題”的實(shí)戰(zhàn)派。本次集訓(xùn)的核心目標(biāo)就是帶大家跨越從“知道函數(shù)”到“能用函數(shù)解決實(shí)際問(wèn)題”這道鴻溝。我們將聚焦MATLAB中求解ODE和PDE的兩大核心工具箱通過(guò)具體的建模案例拆解每一步操作背后的意圖并分享那些只有踩過(guò)坑才知道的調(diào)試技巧和效率法門(mén)。無(wú)論你是剛剛接觸MATLAB的新手還是想提升求解效率和穩(wěn)定性的老手相信這些從實(shí)戰(zhàn)中提煉出的經(jīng)驗(yàn)都能讓你在接下來(lái)的建模比賽中更加從容。2. 核心思路與工具箱選型為何是ODE與PDE套件在MATLAB的廣闊天地里解決微分方程的函數(shù)不止一個(gè)。面對(duì)具體問(wèn)題選對(duì)工具是成功的第一步。很多初學(xué)者會(huì)直接搜索“matlab 解微分方程”然后被dsolve,ode45,pdepe等一堆函數(shù)搞得眼花繚亂。我們的思路很明確根據(jù)方程類型和邊界條件快速鎖定最合適的求解器并理解其適用場(chǎng)景和局限性。2.1 常微分方程O(píng)DE求解器選型從ode45說(shuō)起對(duì)于常微分方程MATLAB提供了一整套以ode為前綴的求解器如ode45,ode23,ode113,ode15s等。數(shù)字編號(hào)并非隨意它暗示了算法的階數(shù)和類型。對(duì)于數(shù)學(xué)建模中的絕大多數(shù)初值問(wèn)題IVPode45是當(dāng)之無(wú)愧的“首發(fā)選擇”。為什么首選ode45它基于顯式Runge-Kutta (4,5)公式即Dormand-Prince算法。這是一種單步法意味著計(jì)算下一步只需要前一步的信息編程實(shí)現(xiàn)簡(jiǎn)單。它在精度4階和計(jì)算量之間取得了很好的平衡對(duì)于非剛性non-stiff或中等剛性問(wèn)題表現(xiàn)優(yōu)異。所謂“剛性”簡(jiǎn)單類比就是系統(tǒng)里存在變化速度差異巨大的多個(gè)過(guò)程比如一個(gè)化學(xué)反應(yīng)中既有瞬間完成的快速反應(yīng)又有緩慢進(jìn)行的慢速反應(yīng)。剛性方程用普通方法如ode45求解會(huì)異常緩慢甚至失敗。何時(shí)考慮其他求解器對(duì)精度要求不高追求速度時(shí)可以嘗試ode23它使用Bogacki-Shampine公式2,3階步長(zhǎng)更大計(jì)算更快適合快速預(yù)覽解的大致形態(tài)。遇到剛性Stiff問(wèn)題時(shí)這是建模中的一個(gè)常見(jiàn)坎。如果你的模型用ode45求解時(shí)步長(zhǎng)變得極小計(jì)算時(shí)間長(zhǎng)得離譜或者直接報(bào)錯(cuò)很可能遇到了剛性系統(tǒng)。這時(shí)應(yīng)切換到剛性求解器如ode15s基于數(shù)值微分公式適用于中度剛性問(wèn)題或ode23s基于修正的Rosenbrock公式適用于高度剛性問(wèn)題。一個(gè)典型的剛性系統(tǒng)例子是包含快速衰減瞬態(tài)過(guò)程的電路模型或化學(xué)反應(yīng)動(dòng)力學(xué)模型。需要更高精度或處理特殊問(wèn)題時(shí)ode113是多步Adams-Bashforth-Moulton算法在允許誤差非常嚴(yán)格時(shí)可能比ode45更高效。注意不要死記硬背所有求解器。掌握ode45和ode15s這兩個(gè)最具代表性的非剛性和剛性求解器就能解決95%的ODE建模問(wèn)題。關(guān)鍵在于學(xué)會(huì)診斷問(wèn)題是否為剛性。2.2 偏微分方程PDE求解策略pdepe與有限差分法偏微分方程的世界更復(fù)雜MATLAB沒(méi)有像ODE那樣提供“一鍵通吃”的函數(shù)但針對(duì)最常見(jiàn)的一類問(wèn)題——一維空間上的拋物型和橢圓型方程或方程組提供了非常強(qiáng)大的內(nèi)置求解器pdepe。pdepe的定位與優(yōu)勢(shì)pdepe專門(mén)用于求解一維空間可以是直線、球體或柱體對(duì)稱情況上的拋物-橢圓型偏微分方程組。這意味著它非常適合處理諸如一維熱傳導(dǎo)、物質(zhì)擴(kuò)散、反應(yīng)擴(kuò)散方程等問(wèn)題。它的優(yōu)勢(shì)在于封裝了復(fù)雜的空間離散化和時(shí)間積分過(guò)程用戶只需要按照固定格式提供方程系數(shù)、初始條件和邊界條件函數(shù)大大降低了入門(mén)門(mén)檻。pdepe的局限性它僅限于一維空間問(wèn)題。對(duì)于二維或三維問(wèn)題或者雙曲型PDE如波動(dòng)方程pdepe就無(wú)能為力了。高維或復(fù)雜PDE的出路當(dāng)問(wèn)題超出pdepe的能力范圍時(shí)我們通常需要自己實(shí)現(xiàn)數(shù)值方法。最常用、最直觀的就是有限差分法FDM。其核心思想是用網(wǎng)格點(diǎn)上的函數(shù)值近似連續(xù)空間用差商近似偏導(dǎo)數(shù)從而將PDE轉(zhuǎn)化為一個(gè)大型的代數(shù)方程組對(duì)于穩(wěn)態(tài)問(wèn)題或常微分方程組對(duì)于瞬態(tài)問(wèn)題進(jìn)行求解。雖然實(shí)現(xiàn)起來(lái)代碼量更大但靈活度極高是解決復(fù)雜PDE模型的終極手段。MATLAB強(qiáng)大的矩陣運(yùn)算能力為實(shí)現(xiàn)有限差分法提供了極大便利。2.3 整體求解流程設(shè)計(jì)無(wú)論是ODE還是PDE一個(gè)穩(wěn)健的數(shù)值求解流程都遵循以下步驟這也是我們后續(xù)實(shí)操的藍(lán)圖方程標(biāo)準(zhǔn)化將你的模型方程整理成MATLAB求解器要求的標(biāo)準(zhǔn)形式。這是最關(guān)鍵的一步形式不對(duì)一切白費(fèi)。編寫(xiě)函數(shù)文件根據(jù)標(biāo)準(zhǔn)形式編寫(xiě)定義方程、初始條件、邊界條件PDE需要的MATLAB函數(shù)。調(diào)用求解器選擇合適的求解器如ode45,pdepe并正確設(shè)置時(shí)間/空間網(wǎng)格、初始值等參數(shù)。結(jié)果可視化與驗(yàn)證繪制解隨時(shí)間/空間的變化圖。通過(guò)改變網(wǎng)格密度、容差參數(shù)等驗(yàn)證解的收斂性和可靠性。模型分析與應(yīng)用基于數(shù)值解進(jìn)行參數(shù)敏感性分析、穩(wěn)定性分析等為建模結(jié)論提供支撐。3. 常微分方程O(píng)DE求解實(shí)戰(zhàn)以傳染病SIR模型為例讓我們從一個(gè)經(jīng)典的數(shù)學(xué)建模案例——傳染病SIR模型入手完整走一遍ODE的求解流程。SIR模型將人群分為易感者S、感染者I、康復(fù)者R三類其微分方程組為 dS/dt -β * S * I / N dI/dt β * S * I / N - γ * I dR/dt γ * I 其中N S I R 為總?cè)丝诔?shù)β為感染率γ為康復(fù)率。3.1 第一步方程標(biāo)準(zhǔn)化與函數(shù)編寫(xiě)ode45等求解器要求方程必須寫(xiě)成dy/dt f(t, y)的向量形式。對(duì)于SIR模型我們令狀態(tài)向量 y [S; I; R]。那么右端函數(shù) f(t, y) 就需要計(jì)算三個(gè)導(dǎo)數(shù)。% 文件保存為 sir_ode.m function dydt sir_ode(t, y, beta, gamma, N) % t: 時(shí)間未顯式使用但格式要求 % y: 狀態(tài)向量 [S; I; R] % beta, gamma, N: 模型參數(shù) S y(1); I y(2); R y(3); dSdt -beta * S * I / N; dIdt beta * S * I / N - gamma * I; dRdt gamma * I; dydt [dSdt; dIdt; dRdt]; % 輸出必須為列向量 end這里有一個(gè)關(guān)鍵技巧我們將參數(shù)beta,gamma,N作為函數(shù)的額外輸入?yún)?shù)而不是在函數(shù)內(nèi)部寫(xiě)死。這樣在調(diào)用求解器時(shí)可以通過(guò)匿名函數(shù)靈活地傳入?yún)?shù)值便于后續(xù)進(jìn)行參數(shù)敏感性分析。3.2 第二步調(diào)用求解器與參數(shù)設(shè)置接下來(lái)我們?cè)谀_本或命令行中設(shè)置初始條件、時(shí)間區(qū)間和參數(shù)并調(diào)用ode45。% 模型參數(shù) N 1000; % 總?cè)丝?I0 1; % 初始感染者 R0 0; % 初始康復(fù)者 S0 N - I0 - R0; % 初始易感者 y0 [S0; I0; R0]; % 初始狀態(tài)向量 beta 0.3; % 感染率 gamma 0.1; % 康復(fù)率 (平均感染期 1/gamma 10天) % 時(shí)間區(qū)間 [0, 150] 天 tspan [0, 150]; % 調(diào)用ode45求解 % 使用匿名函數(shù)將參數(shù)傳遞給sir_ode [t, y] ode45((t,y) sir_ode(t, y, beta, gamma, N), tspan, y0); % 提取結(jié)果 S y(:, 1); I y(:, 2); R y(:, 3);參數(shù)設(shè)置的講究時(shí)間區(qū)間tspan的選取很重要。如果只關(guān)心疫情峰值和時(shí)間可以設(shè)一個(gè)較長(zhǎng)的區(qū)間讓系統(tǒng)達(dá)到穩(wěn)定即I趨于0。如果想研究短期爆發(fā)區(qū)間可以設(shè)短一些。初始感染者I0不能為0否則系統(tǒng)不會(huì)演化。3.3 第三步結(jié)果可視化與初步分析畫(huà)出三類人群隨時(shí)間的變化曲線是分析模型的基礎(chǔ)。figure(Position, [100, 100, 800, 400]) % 設(shè)置圖形位置和大小 plot(t, S, b-, LineWidth, 1.5); hold on; plot(t, I, r-, LineWidth, 1.5); plot(t, R, g-, LineWidth, 1.5); hold off; grid on; xlabel(時(shí)間 (天)); ylabel(人口數(shù)); legend(易感者 S, 感染者 I, 康復(fù)者 R, Location, best); title(sprintf(SIR模型動(dòng)態(tài) (\\beta%.2f, \\gamma%.2f, R0%.2f), beta, gamma, beta/gamma));這里我們?cè)跇?biāo)題中計(jì)算并顯示了基本再生數(shù) R0 β / γ。R0 1 意味著疫情會(huì)擴(kuò)散這是我們能從圖中直觀看到的核心結(jié)論。3.4 進(jìn)階剛性問(wèn)題的識(shí)別與切換求解器假設(shè)我們研究一個(gè)化學(xué)反應(yīng)模型其中某個(gè)中間產(chǎn)物的濃度變化極快。用ode45求解時(shí)MATLAB可能會(huì)警告Warning: Failure at t... Unable to meet integration tolerances without reducing the step size below the smallest value allowed...或者求解時(shí)間異常漫長(zhǎng)。這時(shí)我們就需要懷疑遇到了剛性系統(tǒng)。一個(gè)簡(jiǎn)單的測(cè)試方法是嘗試使用剛性求解器ode15s并對(duì)比求解時(shí)間和結(jié)果。% 假設(shè) stiff_ode 是一個(gè)剛性O(shè)DE的函數(shù) options_ode45 odeset(Stats, on); % 打開(kāi)統(tǒng)計(jì)信息 tic; [t1, y1] ode45(stiff_ode, tspan, y0, options_ode45); time_ode45 toc; fprintf(ode45 求解時(shí)間: %.4f 秒\n, time_ode45); options_ode15s odeset(Stats, on); tic; [t2, y2] ode15s(stiff_ode, tspan, y0, options_ode15s); time_ode15s toc; fprintf(ode15s 求解時(shí)間: %.4f 秒\n, time_ode15s); % 比較最終結(jié)果是否接近 diff norm(y1(end,:) - y2(end,:)); fprintf(最終狀態(tài)差異范數(shù): %e\n, diff);如果ode15s的求解時(shí)間遠(yuǎn)短于ode45且兩者最終結(jié)果一致那么就證實(shí)了剛性問(wèn)題的存在后續(xù)建模就應(yīng)選用ode15s。4. 偏微分方程PDE求解實(shí)戰(zhàn)一維熱傳導(dǎo)問(wèn)題我們以一維桿的熱傳導(dǎo)問(wèn)題為例展示如何使用pdepe求解。方程是經(jīng)典的拋物型PDE ?u/?t α * ?2u/?x2, (0 x L, t 0) 其中u(x,t)是溫度α是熱擴(kuò)散系數(shù)。邊界條件設(shè)為兩端絕熱Neumann邊界條件?u/?x |(x0) 0, ?u/?x |(xL) 0。初始條件設(shè)為在桿中心有一個(gè)高斯分布的高溫u(x,0) exp(-(x-L/2)2 / (2*σ2))。4.1pdepe的標(biāo)準(zhǔn)形式與函數(shù)編寫(xiě)pdepe要求PDE寫(xiě)成如下標(biāo)準(zhǔn)形式 c(x, t, u, ?u/?x) * ?u/?t x^(-m) * ?/?x [ x^m * f(x, t, u, ?u/?x) ] s(x, t, u, ?u/?x) 其中m0,1,2 分別對(duì)應(yīng)平板、柱對(duì)稱、球?qū)ΨQ幾何。f是通量項(xiàng)s是源項(xiàng)。對(duì)于我們的熱傳導(dǎo)方程m 0 平板幾何c 1f α * ?u/?x 根據(jù)傅里葉定律熱通量與溫度梯度成正比s 0我們需要編寫(xiě)三個(gè)函數(shù)PDE函數(shù)、初始條件函數(shù)、邊界條件函數(shù)。% 1. PDE函數(shù) (保存為 heat_pde.m) function [c, f, s] heat_pde(x, t, u, DuDx, alpha) c 1; % 方程系數(shù) c f alpha * DuDx; % 通量項(xiàng) f s 0; % 源項(xiàng) s end % 2. 初始條件函數(shù) (保存為 heat_ic.m) function u0 heat_ic(x, L, sigma) % 在桿中心xL/2處設(shè)置一個(gè)高斯峰作為初始溫度 u0 exp(-(x - L/2).^2 / (2 * sigma^2)); end % 3. 邊界條件函數(shù) (保存為 heat_bc.m) function [pl, ql, pr, qr] heat_bc(xl, ul, xr, ur, t, alpha) % 左邊界 (x0): 絕熱溫度梯度為0 pl 0, ql 1 pl 0; ql 1; % 右邊界 (xL): 絕熱溫度梯度為0 pr 0, qr 1 pr 0; qr 1; % p q * f 0 是邊界條件形式。對(duì)于絕熱f alpha * DuDx 0, 所以設(shè)置 p0, q1。 end邊界條件設(shè)置的難點(diǎn)pdepe的邊界條件形式為p(x, t, u) q(x, t) * f(x, t, u, ?u/?x) 0。對(duì)于Dirichlet條件固定溫度u常數(shù)設(shè) p u - constant, q 0。對(duì)于Neumann條件固定熱流如絕熱時(shí)梯度為0設(shè) p 0, q 1因?yàn)榇藭r(shí)要求 f α * ?u/?x 0。這是最容易出錯(cuò)的地方務(wù)必理解透徹。4.2 空間與時(shí)間網(wǎng)格設(shè)置及求解調(diào)用空間網(wǎng)格xmesh和時(shí)間向量tspan的選取直接影響求解的精度和速度。% 參數(shù)設(shè)置 L 10; % 桿的長(zhǎng)度 alpha 0.1; % 熱擴(kuò)散系數(shù) sigma 0.5; % 初始高斯分布的寬度 % 空間網(wǎng)格在邊界附近和初始熱點(diǎn)附近可以加密 xmesh linspace(0, L, 101); % 101個(gè)空間點(diǎn)通常是個(gè)不錯(cuò)的起點(diǎn) % 時(shí)間向量關(guān)心初始擴(kuò)散和最終平衡可以在初期設(shè)置密一些 tspan [0:0.1:1, 1.5:0.5:10, 15:5:50]; % 非均勻時(shí)間點(diǎn) % 調(diào)用 pdepe sol pdepe(0, ... % 幾何參數(shù) m (0平板) (x,t,u,DuDx) heat_pde(x,t,u,DuDx,alpha), ... % PDE函數(shù)句柄 (x) heat_ic(x, L, sigma), ... % 初始條件函數(shù)句柄 (xl,ul,xr,ur,t) heat_bc(xl,ul,xr,ur,t,alpha), ... % 邊界條件函數(shù)句柄 xmesh, tspan); % 網(wǎng)格 % 提取結(jié)果sol 是一個(gè) 3D 數(shù)組 (length(tspan) x length(xmesh)) u sol(:,:,1); % 我們只有一個(gè)因變量 u網(wǎng)格設(shè)置心得空間網(wǎng)格點(diǎn)數(shù)不宜過(guò)少否則會(huì)丟失細(xì)節(jié)特別是初始溫度尖峰也不宜過(guò)多否則計(jì)算量劇增?？梢詮?0-100點(diǎn)開(kāi)始嘗試。時(shí)間點(diǎn)tspan決定了輸出解的時(shí)間切片。pdepe內(nèi)部會(huì)使用自適應(yīng)步長(zhǎng)積分tspan只是指定了我們需要輸出解的那些時(shí)刻。為了畫(huà)出平滑的動(dòng)畫(huà)或曲線tspan可以設(shè)得密一些。4.3 結(jié)果可視化溫度時(shí)空分布我們可以用多種方式可視化PDE的解。% 方式1時(shí)空分布圖 (偽彩色圖) figure; surf(xmesh, tspan, u, EdgeColor, none); xlabel(位置 x); ylabel(時(shí)間 t); zlabel(溫度 u); title(一維熱傳導(dǎo)溫度時(shí)空演化); colormap(jet); colorbar; view(2); % 俯視圖可以看到等高線 % 方式2不同時(shí)刻的溫度剖面圖 figure; hold on; plot_indices [1, find(tspan1), find(tspan5), find(tspan20), length(tspan)]; % 選取幾個(gè)時(shí)刻 colors lines(length(plot_indices)); % 獲取不同顏色 for i 1:length(plot_indices) idx plot_indices(i); plot(xmesh, u(idx, :), Color, colors(i,:), LineWidth, 1.5, ... DisplayName, sprintf(t %.1f, tspan(idx))); end hold off; xlabel(位置 x); ylabel(溫度 u); legend(show, Location, best); title(不同時(shí)刻的溫度分布剖面); grid on;時(shí)空分布圖能全局展示熱量如何從中心向兩端擴(kuò)散并最終趨于均勻。剖面圖則能更清晰地比較不同時(shí)刻分布形態(tài)的差異。5. 有限差分法FDM解PDE入門(mén)以二維泊松方程為例當(dāng)問(wèn)題維度升高或方程形式特殊時(shí)pdepe不再適用。例如求解一個(gè)二維矩形區(qū)域上的穩(wěn)態(tài)泊松方程 ?2u/?x2 ?2u/?y2 f(x, y), (0 x a, 0 y b) 邊界條件為Dirichlet條件u(0,y)u(a,y)u(x,0)u(x,b)0。 這是一個(gè)橢圓型方程我們可以用有限差分法將其離散化求解。5.1 差分格式推導(dǎo)與離散化首先在x方向?qū)^(qū)間[0,a]分為M份步長(zhǎng)Δx a/My方向?qū)0,b]分為N份步長(zhǎng)Δy b/N。網(wǎng)格點(diǎn)坐標(biāo)為 (x_i, y_j)其中 x_i iΔx, y_j jΔy, i0,...,M, j0,...,N。 在內(nèi)部網(wǎng)格點(diǎn)(i,j)處用中心差分近似二階導(dǎo)數(shù) ?2u/?x2 ≈ (u_{i-1,j} - 2u_{i,j} u_{i1,j}) / (Δx)2 ?2u/?y2 ≈ (u_{i,j-1} - 2u_{i,j} u_{i,j1}) / (Δy)2 代入泊松方程得到離散方程 (u_{i-1,j} - 2u_{i,j} u_{i1,j})/(Δx)2 (u_{i,j-1} - 2u_{i,j} u_{i,j1})/(Δy)2 f_{i,j} 對(duì)于所有內(nèi)部點(diǎn)(i1,...,M-1; j1,...,N-1)我們都有這樣一個(gè)方程。邊界點(diǎn)上的u值由邊界條件給出此處全為0。5.2 構(gòu)建線性方程組與MATLAB求解將未知數(shù)所有內(nèi)部點(diǎn)的u值按“行優(yōu)先”或“列優(yōu)先”排成一個(gè)長(zhǎng)向量U。上面的每個(gè)差分方程都可以寫(xiě)成一個(gè)線性方程。最終整個(gè)離散系統(tǒng)可以寫(xiě)成一個(gè)大型的稀疏線性方程組A * U F其中A是一個(gè)(M-1)*(N-1) 階的方陣其結(jié)構(gòu)非常有規(guī)律帶狀、對(duì)稱正定F是由源項(xiàng)f和邊界條件貢獻(xiàn)構(gòu)成的右端向量。在MATLAB中我們不需要手動(dòng)組裝巨大的矩陣A。對(duì)于這種規(guī)則區(qū)域上的泊松方程可以使用poisolv針對(duì)矩形區(qū)域或更通用的pdepe的穩(wěn)態(tài)求解模式但為了理解FDM我們演示一種基于矩陣運(yùn)算的直觀方法適用于較小網(wǎng)格。% 參數(shù)設(shè)置 a 1; b 1; % 區(qū)域大小 [0,1]x[0,1] M 50; N 50; % 網(wǎng)格劃分?jǐn)?shù) dx a / M; dy b / N; x linspace(0, a, M1); y linspace(0, b, N1); % 源項(xiàng)函數(shù) f(x,y) 2*pi^2 * sin(pi*x) * sin(pi*y) 其精確解為 usin(pi*x)*sin(pi*y) [X, Y] meshgrid(x(2:end-1), y(2:end-1)); % 內(nèi)部點(diǎn) F 2 * pi^2 * sin(pi*X) .* sin(pi*Y); F_vec F(:); % 將源項(xiàng)矩陣按列展開(kāi)成向量 % 構(gòu)建系數(shù)矩陣 A (使用稀疏矩陣存儲(chǔ)以節(jié)省內(nèi)存和計(jì)算量) % 每個(gè)內(nèi)部點(diǎn)(i,j)對(duì)應(yīng)方程涉及自身和上下左右四個(gè)鄰居 % 我們使用五點(diǎn)差分格式 nx M-1; ny N-1; % 內(nèi)部點(diǎn)數(shù)量 e ones(nx*ny, 1); % 主對(duì)角線元素 -2*(1/dx^2 1/dy^2) main_diag -2 * (1/dx^2 1/dy^2) * e; % 次對(duì)角線元素對(duì)應(yīng)x方向的鄰居 1/dx^2 % 注意在行優(yōu)先排列下點(diǎn)(i,j)的左邊鄰居是向量索引 k-1右邊鄰居是 k1 % 但在矩陣A中這些非零元素的位置需要仔細(xì)計(jì)算。這里我們使用更簡(jiǎn)潔的方法 % 利用拉普拉斯算子的離散矩陣具有張量積結(jié)構(gòu) A kron(Iy, Dxx) kron(Dyy, Ix) % 其中 Dxx 和 Dyy 是一維二階差分矩陣I是單位矩陣。 Dxx (1/dx^2) * spdiags([ones(nx,1), -2*ones(nx,1), ones(nx,1)], -1:1, nx, nx); Dyy (1/dy^2) * spdiags([ones(ny,1), -2*ones(ny,1), ones(ny,1)], -1:1, ny, ny); Ix speye(nx); Iy speye(ny); A kron(Iy, Dxx) kron(Dyy, Ix); % 這就是離散拉普拉斯算子的矩陣 % 求解線性方程組 A * U F_vec U_vec A \ F_vec; % 將解向量重塑回網(wǎng)格矩陣 U_inner reshape(U_vec, [ny, nx]); % 注意維度對(duì)應(yīng) % 將內(nèi)部解嵌入到包含邊界零值的完整網(wǎng)格中 U_full zeros(N1, M1); U_full(2:end-1, 2:end-1) U_inner; % 可視化 figure; surf(x, y, U_full, EdgeColor, none); xlabel(x); ylabel(y); zlabel(u(x,y)); title(有限差分法求解二維泊松方程);實(shí)操心得對(duì)于大規(guī)模網(wǎng)格如200x200以上直接使用反斜杠\求解可能內(nèi)存不足或速度慢。此時(shí)應(yīng)利用A是稀疏、對(duì)稱正定的特性使用迭代法如共軛梯度法pcg或?qū)ｉT(mén)的PDE工具箱。上述代碼中構(gòu)建矩陣A的方法使用kron張量積是處理規(guī)則區(qū)域標(biāo)準(zhǔn)問(wèn)題的優(yōu)雅且高效的方式值得掌握。6. 調(diào)試技巧、常見(jiàn)問(wèn)題與性能優(yōu)化數(shù)值求解微分方程很少能一次成功總會(huì)遇到各種報(bào)錯(cuò)或不合理的結(jié)果。下面分享一些關(guān)鍵的調(diào)試經(jīng)驗(yàn)和優(yōu)化策略。6.1 ODE求解常見(jiàn)問(wèn)題與排查錯(cuò)誤“矩陣維度必須一致”或“索引超出范圍”原因最可能是在定義ODE方程的函數(shù)f(t,y)中輸出dydt不是列向量。務(wù)必檢查dydt [dSdt; dIdt; dRdt]用的是分號(hào)列向量而非逗號(hào)或空格行向量。檢查在函數(shù)末尾加一行size(dydt)確保輸出是[n, 1]而不是[1, n]。錯(cuò)誤“在時(shí)間t處失敗無(wú)法滿足積分容差”原因這是剛性問(wèn)題的典型征兆或者方程在某個(gè)時(shí)間點(diǎn)出現(xiàn)了奇點(diǎn)如除以零。排查檢查模型回顧方程是否存在當(dāng)某個(gè)變量為0時(shí)分母為零的情況例如在SIR模型中如果總?cè)丝贜設(shè)置為0?？梢栽诤瘮?shù)中加入保護(hù)語(yǔ)句if N 0; dSdt0; ...; end。嘗試剛性求解器用ode15s替換ode45看是否順利求解。調(diào)整容差使用odeset放寬相對(duì)容差RelTol默認(rèn)1e-3和絕對(duì)容差A(yù)bsTol默認(rèn)1e-6。例如options odeset(RelTol, 1e-4, AbsTol, 1e-7);。注意放寬容差會(huì)降低精度。檢查時(shí)間區(qū)間是否時(shí)間跨度太長(zhǎng)導(dǎo)致解的變化尺度跨越多個(gè)數(shù)量級(jí)可以考慮分段求解。解的行為異常如出現(xiàn)負(fù)值、爆炸式增長(zhǎng)原因可能是模型本身的不穩(wěn)定性或者數(shù)值誤差積累導(dǎo)致。排查驗(yàn)證模型檢查方程和參數(shù)的單位、量綱是否合理。例如人口不應(yīng)為負(fù)可以在ODE函數(shù)中對(duì)狀態(tài)變量施加非負(fù)約束y(y0)0但這會(huì)改變方程需謹(jǐn)慎。減小時(shí)間步長(zhǎng)通過(guò)設(shè)置odeset中的InitialStep和MaxStep來(lái)限制求解器的步長(zhǎng)。例如options odeset(MaxStep, 0.1);。嘗試不同求解器換用ode23或ode113看看結(jié)果是否一致。6.2 PDE求解常見(jiàn)問(wèn)題與排查pdepe報(bào)錯(cuò)“嘗試訪問(wèn) xx(2)索引超出范圍”原因幾乎總是因?yàn)檫吔鐥l件函數(shù)pdex1bc的輸入輸出變量數(shù)量不匹配。仔細(xì)檢查函數(shù)定義行function [pl, ql, pr, qr] pdex1bc(xl, ul, xr, ur, t)確保輸入是5個(gè)參數(shù)輸出是4個(gè)參數(shù)且順序正確。解出現(xiàn)非物理振蕩或不穩(wěn)定原因空間網(wǎng)格太粗無(wú)法分辨解的空間變化。特別是初始條件或源項(xiàng)有劇烈變化時(shí)。解決加密空間網(wǎng)格xmesh。同時(shí)對(duì)于對(duì)流占優(yōu)的問(wèn)題中心差分格式可能不穩(wěn)定需要考慮迎風(fēng)差分等格式但這已超出pdepe內(nèi)置能力需要自己實(shí)現(xiàn)FDM。計(jì)算速度慢原因網(wǎng)格點(diǎn)太多或時(shí)間區(qū)間太長(zhǎng)。優(yōu)化減少輸出點(diǎn)tspan中不要設(shè)置過(guò)于密集的輸出時(shí)間點(diǎn)。求解器內(nèi)部步長(zhǎng)是自適應(yīng)的tspan只控制輸出。使用稀疏矩陣如果自己實(shí)現(xiàn)FDM矩陣A一定要用sparse或spdiags創(chuàng)建稀疏矩陣。利用對(duì)稱性如果問(wèn)題和邊界條件是對(duì)稱的可以只計(jì)算一半?yún)^(qū)域。6.3 性能與精度優(yōu)化策略向量化編程在定義ODE/PDE的函數(shù)中盡量避免使用循環(huán)。MATLAB對(duì)矩陣和向量運(yùn)算做了深度優(yōu)化。例如在計(jì)算空間差分時(shí)使用矩陣運(yùn)算代替逐點(diǎn)循環(huán)速度可提升數(shù)十倍。匿名函數(shù)與參數(shù)傳遞如前所述使用匿名函數(shù)(t,y) myode(t,y, param1, param2)來(lái)傳遞參數(shù)比使用全局變量更清晰、安全。預(yù)分配數(shù)組在需要存儲(chǔ)時(shí)間序列結(jié)果時(shí)比如自己寫(xiě)時(shí)間推進(jìn)的FDM循環(huán)務(wù)必預(yù)先分配好存儲(chǔ)數(shù)組如U zeros(length(t), length(x))而不是在循環(huán)中動(dòng)態(tài)增長(zhǎng)數(shù)組。精度驗(yàn)證網(wǎng)格收斂性測(cè)試將空間網(wǎng)格點(diǎn)數(shù)加倍如從50到100時(shí)間容差減半比較兩次求解結(jié)果在關(guān)心點(diǎn)上的差異。如果差異很小說(shuō)明解已收斂。與已知解對(duì)比如果問(wèn)題有解析解或高精度參考解務(wù)必進(jìn)行對(duì)比這是檢驗(yàn)代碼正確性的黃金標(biāo)準(zhǔn)。守恒律檢查對(duì)于某些物理問(wèn)題總質(zhì)量、總能量應(yīng)該守恒。計(jì)算這些量的數(shù)值積分看其隨時(shí)間的變化是否在可接受范圍內(nèi)。7. 在數(shù)學(xué)建模中的應(yīng)用拓展與案例點(diǎn)睛掌握了ODE/PDE的求解技術(shù)最終要服務(wù)于數(shù)學(xué)建模。在比賽中這不僅僅是“求出解”那么簡(jiǎn)單。7.1 參數(shù)敏感性分析模型的結(jié)果往往依賴于參數(shù)。以SIR模型為例基本再生數(shù)R0 β/γ是關(guān)鍵參數(shù)。我們可以通過(guò)循環(huán)改變?chǔ)禄颚糜^察疫情峰值、達(dá)到時(shí)間、最終感染規(guī)模等指標(biāo)如何變化。beta_range 0.1:0.05:0.5; gamma 0.1; peak_infected zeros(size(beta_range)); for i 1:length(beta_range) beta beta_range(i); [t, y] ode45((t,y) sir_ode(t,y,beta,gamma,N), tspan, y0); I y(:,2); peak_infected(i) max(I); end plot(beta_range, peak_infected, o-); xlabel(感染率 \beta); ylabel(疫情峰值感染人數(shù)); grid on;這種分析能告訴我們哪個(gè)參數(shù)對(duì)結(jié)果影響最大為干預(yù)措施如降低β提供定量依據(jù)。7.2 模型校準(zhǔn)與參數(shù)估計(jì)當(dāng)模型需要擬合實(shí)際數(shù)據(jù)時(shí)就變成了一個(gè)優(yōu)化問(wèn)題。例如我們有某地區(qū)每日新增感染數(shù)據(jù)I_data想要估計(jì)SIR模型中的β和γ。% 定義誤差函數(shù)例如最小二乘 error_func (params) sum((simulate_sir(params) - I_data).^2); % params [beta, gamma] initial_guess [0.3, 0.1]; estimated_params fminsearch(error_func, initial_guess);其中simulate_sir(params)是一個(gè)封裝好的函數(shù)用給定的params運(yùn)行SIR模型并輸出與I_data時(shí)間點(diǎn)對(duì)應(yīng)的模擬感染人數(shù)。fminsearch是MATLAB的無(wú)導(dǎo)數(shù)優(yōu)化函數(shù)可以用來(lái)尋找使誤差最小的參數(shù)。7.3 耦合模型與多物理場(chǎng)問(wèn)題真實(shí)的建模問(wèn)題往往是多個(gè)過(guò)程耦合的。例如一個(gè)生態(tài)模型可能同時(shí)包含種群動(dòng)力學(xué)ODE和空間擴(kuò)散PDE即反應(yīng)-擴(kuò)散系統(tǒng)。這類問(wèn)題通常需要自己構(gòu)造數(shù)值方法如將PDE空間離散后與ODE部分結(jié)合成一個(gè)更大的ODE系統(tǒng)再用ode15s等求解或者使用更專業(yè)的工具箱如PDE Toolbox。這是數(shù)學(xué)建模的高階挑戰(zhàn)也是區(qū)分隊(duì)伍水平的關(guān)鍵。7.4 結(jié)果的可視化與論文呈現(xiàn)一張好的圖勝過(guò)千言萬(wàn)語(yǔ)。除了基本的二維線圖、三維曲面圖可以考慮動(dòng)畫(huà)用for循環(huán)和getframe制作PDE解隨時(shí)間演化的動(dòng)畫(huà)在論文中提供動(dòng)畫(huà)截圖或鏈接。熱圖用imagesc或pcolor展示二維場(chǎng)比surf圖更簡(jiǎn)潔。參數(shù)空間掃描圖用contourf或scatter展示不同參數(shù)組合下的結(jié)果分布。最后在論文中描述數(shù)值方法時(shí)不必贅述ode45或pdepe的內(nèi)部算法但必須說(shuō)明使用了什么求解器、為什么選擇它如非剛性/剛性、設(shè)置了怎樣的容差或網(wǎng)格、并進(jìn)行了網(wǎng)格無(wú)關(guān)性驗(yàn)證以確保結(jié)果的可靠性。這體現(xiàn)了建模過(guò)程的嚴(yán)謹(jǐn)性。 MATLAB微分方程數(shù)值求解實(shí)戰(zhàn)：從SIR模型到熱傳導(dǎo)的建模應(yīng)用
1. 項(xiàng)目概述從數(shù)學(xué)建模到微分方程求解的核心跨越每年暑假都是數(shù)學(xué)建模競(jìng)賽備戰(zhàn)的黃金時(shí)期。無(wú)論是國(guó)賽、美賽還是各類地區(qū)性賽事微分方程模型都是工具箱里不可或缺的“重型武器”。從描述傳染病傳播的SIR模型到模擬熱量擴(kuò)散的熱傳導(dǎo)方程再到刻畫(huà)種群競(jìng)爭(zhēng)的Lotka-Volterra模型其背后都是常微分方程O(píng)DE或偏微分方程PDE在支撐。然而很多同學(xué)在集訓(xùn)時(shí)都會(huì)遇到一個(gè)尷尬的局面模型方程列出來(lái)了理論解卻求不出來(lái)或者根本不存在解析解。這時(shí)候數(shù)值求解就成了連接抽象模型與具體結(jié)果的唯一橋梁而MATLAB正是搭建這座橋梁最得力的工具之一。我參加過(guò)也指導(dǎo)過(guò)多次數(shù)學(xué)建模集訓(xùn)發(fā)現(xiàn)大家在學(xué)習(xí)MATLAB解微分方程時(shí)最容易陷入兩個(gè)極端要么對(duì)著幾個(gè)內(nèi)置函數(shù)死記硬背遇到復(fù)雜點(diǎn)的問(wèn)題就束手無(wú)策要么被各種數(shù)值算法的理論嚇退覺(jué)得深不可測(cè)。其實(shí)對(duì)于數(shù)學(xué)建模而言我們不需要成為數(shù)值分析專家但必須成為一個(gè)“會(huì)調(diào)參、懂診斷、能解決問(wèn)題”的實(shí)戰(zhàn)派。本次集訓(xùn)的核心目標(biāo)就是帶大家跨越從“知道函數(shù)”到“能用函數(shù)解決實(shí)際問(wèn)題”這道鴻溝。我們將聚焦MATLAB中求解ODE和PDE的兩大核心工具箱通過(guò)具體的建模案例拆解每一步操作背后的意圖并分享那些只有踩過(guò)坑才知道的調(diào)試技巧和效率法門(mén)。無(wú)論你是剛剛接觸MATLAB的新手還是想提升求解效率和穩(wěn)定性的老手相信這些從實(shí)戰(zhàn)中提煉出的經(jīng)驗(yàn)都能讓你在接下來(lái)的建模比賽中更加從容。2. 核心思路與工具箱選型為何是ODE與PDE套件在MATLAB的廣闊天地里解決微分方程的函數(shù)不止一個(gè)。面對(duì)具體問(wèn)題選對(duì)工具是成功的第一步。很多初學(xué)者會(huì)直接搜索“matlab 解微分方程”然后被dsolve,ode45,pdepe等一堆函數(shù)搞得眼花繚亂。我們的思路很明確根據(jù)方程類型和邊界條件快速鎖定最合適的求解器并理解其適用場(chǎng)景和局限性。2.1 常微分方程O(píng)DE求解器選型從ode45說(shuō)起對(duì)于常微分方程MATLAB提供了一整套以ode為前綴的求解器如ode45,ode23,ode113,ode15s等。數(shù)字編號(hào)并非隨意它暗示了算法的階數(shù)和類型。對(duì)于數(shù)學(xué)建模中的絕大多數(shù)初值問(wèn)題IVPode45是當(dāng)之無(wú)愧的“首發(fā)選擇”。為什么首選ode45它基于顯式Runge-Kutta (4,5)公式即Dormand-Prince算法。這是一種單步法意味著計(jì)算下一步只需要前一步的信息編程實(shí)現(xiàn)簡(jiǎn)單。它在精度4階和計(jì)算量之間取得了很好的平衡對(duì)于非剛性non-stiff或中等剛性問(wèn)題表現(xiàn)優(yōu)異。所謂“剛性”簡(jiǎn)單類比就是系統(tǒng)里存在變化速度差異巨大的多個(gè)過(guò)程比如一個(gè)化學(xué)反應(yīng)中既有瞬間完成的快速反應(yīng)又有緩慢進(jìn)行的慢速反應(yīng)。剛性方程用普通方法如ode45求解會(huì)異常緩慢甚至失敗。何時(shí)考慮其他求解器對(duì)精度要求不高追求速度時(shí)可以嘗試ode23它使用Bogacki-Shampine公式2,3階步長(zhǎng)更大計(jì)算更快適合快速預(yù)覽解的大致形態(tài)。遇到剛性Stiff問(wèn)題時(shí)這是建模中的一個(gè)常見(jiàn)坎。如果你的模型用ode45求解時(shí)步長(zhǎng)變得極小計(jì)算時(shí)間長(zhǎng)得離譜或者直接報(bào)錯(cuò)很可能遇到了剛性系統(tǒng)。這時(shí)應(yīng)切換到剛性求解器如ode15s基于數(shù)值微分公式適用于中度剛性問(wèn)題或ode23s基于修正的Rosenbrock公式適用于高度剛性問(wèn)題。一個(gè)典型的剛性系統(tǒng)例子是包含快速衰減瞬態(tài)過(guò)程的電路模型或化學(xué)反應(yīng)動(dòng)力學(xué)模型。需要更高精度或處理特殊問(wèn)題時(shí)ode113是多步Adams-Bashforth-Moulton算法在允許誤差非常嚴(yán)格時(shí)可能比ode45更高效。注意不要死記硬背所有求解器。掌握ode45和ode15s這兩個(gè)最具代表性的非剛性和剛性求解器就能解決95%的ODE建模問(wèn)題。關(guān)鍵在于學(xué)會(huì)診斷問(wèn)題是否為剛性。2.2 偏微分方程PDE求解策略pdepe與有限差分法偏微分方程的世界更復(fù)雜MATLAB沒(méi)有像ODE那樣提供“一鍵通吃”的函數(shù)但針對(duì)最常見(jiàn)的一類問(wèn)題——一維空間上的拋物型和橢圓型方程或方程組提供了非常強(qiáng)大的內(nèi)置求解器pdepe。pdepe的定位與優(yōu)勢(shì)pdepe專門(mén)用于求解一維空間可以是直線、球體或柱體對(duì)稱情況上的拋物-橢圓型偏微分方程組。這意味著它非常適合處理諸如一維熱傳導(dǎo)、物質(zhì)擴(kuò)散、反應(yīng)擴(kuò)散方程等問(wèn)題。它的優(yōu)勢(shì)在于封裝了復(fù)雜的空間離散化和時(shí)間積分過(guò)程用戶只需要按照固定格式提供方程系數(shù)、初始條件和邊界條件函數(shù)大大降低了入門(mén)門(mén)檻。pdepe的局限性它僅限于一維空間問(wèn)題。對(duì)于二維或三維問(wèn)題或者雙曲型PDE如波動(dòng)方程pdepe就無(wú)能為力了。高維或復(fù)雜PDE的出路當(dāng)問(wèn)題超出pdepe的能力范圍時(shí)我們通常需要自己實(shí)現(xiàn)數(shù)值方法。最常用、最直觀的就是有限差分法FDM。其核心思想是用網(wǎng)格點(diǎn)上的函數(shù)值近似連續(xù)空間用差商近似偏導(dǎo)數(shù)從而將PDE轉(zhuǎn)化為一個(gè)大型的代數(shù)方程組對(duì)于穩(wěn)態(tài)問(wèn)題或常微分方程組對(duì)于瞬態(tài)問(wèn)題進(jìn)行求解。雖然實(shí)現(xiàn)起來(lái)代碼量更大但靈活度極高是解決復(fù)雜PDE模型的終極手段。MATLAB強(qiáng)大的矩陣運(yùn)算能力為實(shí)現(xiàn)有限差分法提供了極大便利。2.3 整體求解流程設(shè)計(jì)無(wú)論是ODE還是PDE一個(gè)穩(wěn)健的數(shù)值求解流程都遵循以下步驟這也是我們后續(xù)實(shí)操的藍(lán)圖方程標(biāo)準(zhǔn)化將你的模型方程整理成MATLAB求解器要求的標(biāo)準(zhǔn)形式。這是最關(guān)鍵的一步形式不對(duì)一切白費(fèi)。編寫(xiě)函數(shù)文件根據(jù)標(biāo)準(zhǔn)形式編寫(xiě)定義方程、初始條件、邊界條件PDE需要的MATLAB函數(shù)。調(diào)用求解器選擇合適的求解器如ode45,pdepe并正確設(shè)置時(shí)間/空間網(wǎng)格、初始值等參數(shù)。結(jié)果可視化與驗(yàn)證繪制解隨時(shí)間/空間的變化圖。通過(guò)改變網(wǎng)格密度、容差參數(shù)等驗(yàn)證解的收斂性和可靠性。模型分析與應(yīng)用基于數(shù)值解進(jìn)行參數(shù)敏感性分析、穩(wěn)定性分析等為建模結(jié)論提供支撐。3. 常微分方程O(píng)DE求解實(shí)戰(zhàn)以傳染病SIR模型為例讓我們從一個(gè)經(jīng)典的數(shù)學(xué)建模案例——傳染病SIR模型入手完整走一遍ODE的求解流程。SIR模型將人群分為易感者S、感染者I、康復(fù)者R三類其微分方程組為 dS/dt -β * S * I / N dI/dt β * S * I / N - γ * I dR/dt γ * I 其中N S I R 為總?cè)丝诔?shù)β為感染率γ為康復(fù)率。3.1 第一步方程標(biāo)準(zhǔn)化與函數(shù)編寫(xiě)ode45等求解器要求方程必須寫(xiě)成dy/dt f(t, y)的向量形式。對(duì)于SIR模型我們令狀態(tài)向量 y [S; I; R]。那么右端函數(shù) f(t, y) 就需要計(jì)算三個(gè)導(dǎo)數(shù)。% 文件保存為 sir_ode.m function dydt sir_ode(t, y, beta, gamma, N) % t: 時(shí)間未顯式使用但格式要求 % y: 狀態(tài)向量 [S; I; R] % beta, gamma, N: 模型參數(shù) S y(1); I y(2); R y(3); dSdt -beta * S * I / N; dIdt beta * S * I / N - gamma * I; dRdt gamma * I; dydt [dSdt; dIdt; dRdt]; % 輸出必須為列向量 end這里有一個(gè)關(guān)鍵技巧我們將參數(shù)beta,gamma,N作為函數(shù)的額外輸入?yún)?shù)而不是在函數(shù)內(nèi)部寫(xiě)死。這樣在調(diào)用求解器時(shí)可以通過(guò)匿名函數(shù)靈活地傳入?yún)?shù)值便于后續(xù)進(jìn)行參數(shù)敏感性分析。3.2 第二步調(diào)用求解器與參數(shù)設(shè)置接下來(lái)我們?cè)谀_本或命令行中設(shè)置初始條件、時(shí)間區(qū)間和參數(shù)并調(diào)用ode45。% 模型參數(shù) N 1000; % 總?cè)丝?I0 1; % 初始感染者 R0 0; % 初始康復(fù)者 S0 N - I0 - R0; % 初始易感者 y0 [S0; I0; R0]; % 初始狀態(tài)向量 beta 0.3; % 感染率 gamma 0.1; % 康復(fù)率 (平均感染期 1/gamma 10天) % 時(shí)間區(qū)間 [0, 150] 天 tspan [0, 150]; % 調(diào)用ode45求解 % 使用匿名函數(shù)將參數(shù)傳遞給sir_ode [t, y] ode45((t,y) sir_ode(t, y, beta, gamma, N), tspan, y0); % 提取結(jié)果 S y(:, 1); I y(:, 2); R y(:, 3);參數(shù)設(shè)置的講究時(shí)間區(qū)間tspan的選取很重要。如果只關(guān)心疫情峰值和時(shí)間可以設(shè)一個(gè)較長(zhǎng)的區(qū)間讓系統(tǒng)達(dá)到穩(wěn)定即I趨于0。如果想研究短期爆發(fā)區(qū)間可以設(shè)短一些。初始感染者I0不能為0否則系統(tǒng)不會(huì)演化。3.3 第三步結(jié)果可視化與初步分析畫(huà)出三類人群隨時(shí)間的變化曲線是分析模型的基礎(chǔ)。figure(Position, [100, 100, 800, 400]) % 設(shè)置圖形位置和大小 plot(t, S, b-, LineWidth, 1.5); hold on; plot(t, I, r-, LineWidth, 1.5); plot(t, R, g-, LineWidth, 1.5); hold off; grid on; xlabel(時(shí)間 (天)); ylabel(人口數(shù)); legend(易感者 S, 感染者 I, 康復(fù)者 R, Location, best); title(sprintf(SIR模型動(dòng)態(tài) (\\beta%.2f, \\gamma%.2f, R0%.2f), beta, gamma, beta/gamma));這里我們?cè)跇?biāo)題中計(jì)算并顯示了基本再生數(shù) R0 β / γ。R0 1 意味著疫情會(huì)擴(kuò)散這是我們能從圖中直觀看到的核心結(jié)論。3.4 進(jìn)階剛性問(wèn)題的識(shí)別與切換求解器假設(shè)我們研究一個(gè)化學(xué)反應(yīng)模型其中某個(gè)中間產(chǎn)物的濃度變化極快。用ode45求解時(shí)MATLAB可能會(huì)警告Warning: Failure at t... Unable to meet integration tolerances without reducing the step size below the smallest value allowed...或者求解時(shí)間異常漫長(zhǎng)。這時(shí)我們就需要懷疑遇到了剛性系統(tǒng)。一個(gè)簡(jiǎn)單的測(cè)試方法是嘗試使用剛性求解器ode15s并對(duì)比求解時(shí)間和結(jié)果。% 假設(shè) stiff_ode 是一個(gè)剛性O(shè)DE的函數(shù) options_ode45 odeset(Stats, on); % 打開(kāi)統(tǒng)計(jì)信息 tic; [t1, y1] ode45(stiff_ode, tspan, y0, options_ode45); time_ode45 toc; fprintf(ode45 求解時(shí)間: %.4f 秒\n, time_ode45); options_ode15s odeset(Stats, on); tic; [t2, y2] ode15s(stiff_ode, tspan, y0, options_ode15s); time_ode15s toc; fprintf(ode15s 求解時(shí)間: %.4f 秒\n, time_ode15s); % 比較最終結(jié)果是否接近 diff norm(y1(end,:) - y2(end,:)); fprintf(最終狀態(tài)差異范數(shù): %e\n, diff);如果ode15s的求解時(shí)間遠(yuǎn)短于ode45且兩者最終結(jié)果一致那么就證實(shí)了剛性問(wèn)題的存在后續(xù)建模就應(yīng)選用ode15s。4. 偏微分方程PDE求解實(shí)戰(zhàn)一維熱傳導(dǎo)問(wèn)題我們以一維桿的熱傳導(dǎo)問(wèn)題為例展示如何使用pdepe求解。方程是經(jīng)典的拋物型PDE ?u/?t α * ?2u/?x2, (0 x L, t 0) 其中u(x,t)是溫度α是熱擴(kuò)散系數(shù)。邊界條件設(shè)為兩端絕熱Neumann邊界條件?u/?x |(x0) 0, ?u/?x |(xL) 0。初始條件設(shè)為在桿中心有一個(gè)高斯分布的高溫u(x,0) exp(-(x-L/2)2 / (2*σ2))。4.1pdepe的標(biāo)準(zhǔn)形式與函數(shù)編寫(xiě)pdepe要求PDE寫(xiě)成如下標(biāo)準(zhǔn)形式 c(x, t, u, ?u/?x) * ?u/?t x^(-m) * ?/?x [ x^m * f(x, t, u, ?u/?x) ] s(x, t, u, ?u/?x) 其中m0,1,2 分別對(duì)應(yīng)平板、柱對(duì)稱、球?qū)ΨQ幾何。f是通量項(xiàng)s是源項(xiàng)。對(duì)于我們的熱傳導(dǎo)方程m 0 平板幾何c 1f α * ?u/?x 根據(jù)傅里葉定律熱通量與溫度梯度成正比s 0我們需要編寫(xiě)三個(gè)函數(shù)PDE函數(shù)、初始條件函數(shù)、邊界條件函數(shù)。% 1. PDE函數(shù) (保存為 heat_pde.m) function [c, f, s] heat_pde(x, t, u, DuDx, alpha) c 1; % 方程系數(shù) c f alpha * DuDx; % 通量項(xiàng) f s 0; % 源項(xiàng) s end % 2. 初始條件函數(shù) (保存為 heat_ic.m) function u0 heat_ic(x, L, sigma) % 在桿中心xL/2處設(shè)置一個(gè)高斯峰作為初始溫度 u0 exp(-(x - L/2).^2 / (2 * sigma^2)); end % 3. 邊界條件函數(shù) (保存為 heat_bc.m) function [pl, ql, pr, qr] heat_bc(xl, ul, xr, ur, t, alpha) % 左邊界 (x0): 絕熱溫度梯度為0 pl 0, ql 1 pl 0; ql 1; % 右邊界 (xL): 絕熱溫度梯度為0 pr 0, qr 1 pr 0; qr 1; % p q * f 0 是邊界條件形式。對(duì)于絕熱f alpha * DuDx 0, 所以設(shè)置 p0, q1。 end邊界條件設(shè)置的難點(diǎn)pdepe的邊界條件形式為p(x, t, u) q(x, t) * f(x, t, u, ?u/?x) 0。對(duì)于Dirichlet條件固定溫度u常數(shù)設(shè) p u - constant, q 0。對(duì)于Neumann條件固定熱流如絕熱時(shí)梯度為0設(shè) p 0, q 1因?yàn)榇藭r(shí)要求 f α * ?u/?x 0。這是最容易出錯(cuò)的地方務(wù)必理解透徹。4.2 空間與時(shí)間網(wǎng)格設(shè)置及求解調(diào)用空間網(wǎng)格xmesh和時(shí)間向量tspan的選取直接影響求解的精度和速度。% 參數(shù)設(shè)置 L 10; % 桿的長(zhǎng)度 alpha 0.1; % 熱擴(kuò)散系數(shù) sigma 0.5; % 初始高斯分布的寬度 % 空間網(wǎng)格在邊界附近和初始熱點(diǎn)附近可以加密 xmesh linspace(0, L, 101); % 101個(gè)空間點(diǎn)通常是個(gè)不錯(cuò)的起點(diǎn) % 時(shí)間向量關(guān)心初始擴(kuò)散和最終平衡可以在初期設(shè)置密一些 tspan [0:0.1:1, 1.5:0.5:10, 15:5:50]; % 非均勻時(shí)間點(diǎn) % 調(diào)用 pdepe sol pdepe(0, ... % 幾何參數(shù) m (0平板) (x,t,u,DuDx) heat_pde(x,t,u,DuDx,alpha), ... % PDE函數(shù)句柄 (x) heat_ic(x, L, sigma), ... % 初始條件函數(shù)句柄 (xl,ul,xr,ur,t) heat_bc(xl,ul,xr,ur,t,alpha), ... % 邊界條件函數(shù)句柄 xmesh, tspan); % 網(wǎng)格 % 提取結(jié)果sol 是一個(gè) 3D 數(shù)組 (length(tspan) x length(xmesh)) u sol(:,:,1); % 我們只有一個(gè)因變量 u網(wǎng)格設(shè)置心得空間網(wǎng)格點(diǎn)數(shù)不宜過(guò)少否則會(huì)丟失細(xì)節(jié)特別是初始溫度尖峰也不宜過(guò)多否則計(jì)算量劇增?？梢詮?0-100點(diǎn)開(kāi)始嘗試。時(shí)間點(diǎn)tspan決定了輸出解的時(shí)間切片。pdepe內(nèi)部會(huì)使用自適應(yīng)步長(zhǎng)積分tspan只是指定了我們需要輸出解的那些時(shí)刻。為了畫(huà)出平滑的動(dòng)畫(huà)或曲線tspan可以設(shè)得密一些。4.3 結(jié)果可視化溫度時(shí)空分布我們可以用多種方式可視化PDE的解。% 方式1時(shí)空分布圖 (偽彩色圖) figure; surf(xmesh, tspan, u, EdgeColor, none); xlabel(位置 x); ylabel(時(shí)間 t); zlabel(溫度 u); title(一維熱傳導(dǎo)溫度時(shí)空演化); colormap(jet); colorbar; view(2); % 俯視圖可以看到等高線 % 方式2不同時(shí)刻的溫度剖面圖 figure; hold on; plot_indices [1, find(tspan1), find(tspan5), find(tspan20), length(tspan)]; % 選取幾個(gè)時(shí)刻 colors lines(length(plot_indices)); % 獲取不同顏色 for i 1:length(plot_indices) idx plot_indices(i); plot(xmesh, u(idx, :), Color, colors(i,:), LineWidth, 1.5, ... DisplayName, sprintf(t %.1f, tspan(idx))); end hold off; xlabel(位置 x); ylabel(溫度 u); legend(show, Location, best); title(不同時(shí)刻的溫度分布剖面); grid on;時(shí)空分布圖能全局展示熱量如何從中心向兩端擴(kuò)散并最終趨于均勻。剖面圖則能更清晰地比較不同時(shí)刻分布形態(tài)的差異。5. 有限差分法FDM解PDE入門(mén)以二維泊松方程為例當(dāng)問(wèn)題維度升高或方程形式特殊時(shí)pdepe不再適用。例如求解一個(gè)二維矩形區(qū)域上的穩(wěn)態(tài)泊松方程 ?2u/?x2 ?2u/?y2 f(x, y), (0 x a, 0 y b) 邊界條件為Dirichlet條件u(0,y)u(a,y)u(x,0)u(x,b)0。 這是一個(gè)橢圓型方程我們可以用有限差分法將其離散化求解。5.1 差分格式推導(dǎo)與離散化首先在x方向?qū)^(qū)間[0,a]分為M份步長(zhǎng)Δx a/My方向?qū)0,b]分為N份步長(zhǎng)Δy b/N。網(wǎng)格點(diǎn)坐標(biāo)為 (x_i, y_j)其中 x_i iΔx, y_j jΔy, i0,...,M, j0,...,N。 在內(nèi)部網(wǎng)格點(diǎn)(i,j)處用中心差分近似二階導(dǎo)數(shù) ?2u/?x2 ≈ (u_{i-1,j} - 2u_{i,j} u_{i1,j}) / (Δx)2 ?2u/?y2 ≈ (u_{i,j-1} - 2u_{i,j} u_{i,j1}) / (Δy)2 代入泊松方程得到離散方程 (u_{i-1,j} - 2u_{i,j} u_{i1,j})/(Δx)2 (u_{i,j-1} - 2u_{i,j} u_{i,j1})/(Δy)2 f_{i,j} 對(duì)于所有內(nèi)部點(diǎn)(i1,...,M-1; j1,...,N-1)我們都有這樣一個(gè)方程。邊界點(diǎn)上的u值由邊界條件給出此處全為0。5.2 構(gòu)建線性方程組與MATLAB求解將未知數(shù)所有內(nèi)部點(diǎn)的u值按“行優(yōu)先”或“列優(yōu)先”排成一個(gè)長(zhǎng)向量U。上面的每個(gè)差分方程都可以寫(xiě)成一個(gè)線性方程。最終整個(gè)離散系統(tǒng)可以寫(xiě)成一個(gè)大型的稀疏線性方程組A * U F其中A是一個(gè)(M-1)*(N-1) 階的方陣其結(jié)構(gòu)非常有規(guī)律帶狀、對(duì)稱正定F是由源項(xiàng)f和邊界條件貢獻(xiàn)構(gòu)成的右端向量。在MATLAB中我們不需要手動(dòng)組裝巨大的矩陣A。對(duì)于這種規(guī)則區(qū)域上的泊松方程可以使用poisolv針對(duì)矩形區(qū)域或更通用的pdepe的穩(wěn)態(tài)求解模式但為了理解FDM我們演示一種基于矩陣運(yùn)算的直觀方法適用于較小網(wǎng)格。% 參數(shù)設(shè)置 a 1; b 1; % 區(qū)域大小 [0,1]x[0,1] M 50; N 50; % 網(wǎng)格劃分?jǐn)?shù) dx a / M; dy b / N; x linspace(0, a, M1); y linspace(0, b, N1); % 源項(xiàng)函數(shù) f(x,y) 2*pi^2 * sin(pi*x) * sin(pi*y) 其精確解為 usin(pi*x)*sin(pi*y) [X, Y] meshgrid(x(2:end-1), y(2:end-1)); % 內(nèi)部點(diǎn) F 2 * pi^2 * sin(pi*X) .* sin(pi*Y); F_vec F(:); % 將源項(xiàng)矩陣按列展開(kāi)成向量 % 構(gòu)建系數(shù)矩陣 A (使用稀疏矩陣存儲(chǔ)以節(jié)省內(nèi)存和計(jì)算量) % 每個(gè)內(nèi)部點(diǎn)(i,j)對(duì)應(yīng)方程涉及自身和上下左右四個(gè)鄰居 % 我們使用五點(diǎn)差分格式 nx M-1; ny N-1; % 內(nèi)部點(diǎn)數(shù)量 e ones(nx*ny, 1); % 主對(duì)角線元素 -2*(1/dx^2 1/dy^2) main_diag -2 * (1/dx^2 1/dy^2) * e; % 次對(duì)角線元素對(duì)應(yīng)x方向的鄰居 1/dx^2 % 注意在行優(yōu)先排列下點(diǎn)(i,j)的左邊鄰居是向量索引 k-1右邊鄰居是 k1 % 但在矩陣A中這些非零元素的位置需要仔細(xì)計(jì)算。這里我們使用更簡(jiǎn)潔的方法 % 利用拉普拉斯算子的離散矩陣具有張量積結(jié)構(gòu) A kron(Iy, Dxx) kron(Dyy, Ix) % 其中 Dxx 和 Dyy 是一維二階差分矩陣I是單位矩陣。 Dxx (1/dx^2) * spdiags([ones(nx,1), -2*ones(nx,1), ones(nx,1)], -1:1, nx, nx); Dyy (1/dy^2) * spdiags([ones(ny,1), -2*ones(ny,1), ones(ny,1)], -1:1, ny, ny); Ix speye(nx); Iy speye(ny); A kron(Iy, Dxx) kron(Dyy, Ix); % 這就是離散拉普拉斯算子的矩陣 % 求解線性方程組 A * U F_vec U_vec A \ F_vec; % 將解向量重塑回網(wǎng)格矩陣 U_inner reshape(U_vec, [ny, nx]); % 注意維度對(duì)應(yīng) % 將內(nèi)部解嵌入到包含邊界零值的完整網(wǎng)格中 U_full zeros(N1, M1); U_full(2:end-1, 2:end-1) U_inner; % 可視化 figure; surf(x, y, U_full, EdgeColor, none); xlabel(x); ylabel(y); zlabel(u(x,y)); title(有限差分法求解二維泊松方程);實(shí)操心得對(duì)于大規(guī)模網(wǎng)格如200x200以上直接使用反斜杠\求解可能內(nèi)存不足或速度慢。此時(shí)應(yīng)利用A是稀疏、對(duì)稱正定的特性使用迭代法如共軛梯度法pcg或?qū)ｉT(mén)的PDE工具箱。上述代碼中構(gòu)建矩陣A的方法使用kron張量積是處理規(guī)則區(qū)域標(biāo)準(zhǔn)問(wèn)題的優(yōu)雅且高效的方式值得掌握。6. 調(diào)試技巧、常見(jiàn)問(wèn)題與性能優(yōu)化數(shù)值求解微分方程很少能一次成功總會(huì)遇到各種報(bào)錯(cuò)或不合理的結(jié)果。下面分享一些關(guān)鍵的調(diào)試經(jīng)驗(yàn)和優(yōu)化策略。6.1 ODE求解常見(jiàn)問(wèn)題與排查錯(cuò)誤“矩陣維度必須一致”或“索引超出范圍”原因最可能是在定義ODE方程的函數(shù)f(t,y)中輸出dydt不是列向量。務(wù)必檢查dydt [dSdt; dIdt; dRdt]用的是分號(hào)列向量而非逗號(hào)或空格行向量。檢查在函數(shù)末尾加一行size(dydt)確保輸出是[n, 1]而不是[1, n]。錯(cuò)誤“在時(shí)間t處失敗無(wú)法滿足積分容差”原因這是剛性問(wèn)題的典型征兆或者方程在某個(gè)時(shí)間點(diǎn)出現(xiàn)了奇點(diǎn)如除以零。排查檢查模型回顧方程是否存在當(dāng)某個(gè)變量為0時(shí)分母為零的情況例如在SIR模型中如果總?cè)丝贜設(shè)置為0?？梢栽诤瘮?shù)中加入保護(hù)語(yǔ)句if N 0; dSdt0; ...; end。嘗試剛性求解器用ode15s替換ode45看是否順利求解。調(diào)整容差使用odeset放寬相對(duì)容差RelTol默認(rèn)1e-3和絕對(duì)容差A(yù)bsTol默認(rèn)1e-6。例如options odeset(RelTol, 1e-4, AbsTol, 1e-7);。注意放寬容差會(huì)降低精度。檢查時(shí)間區(qū)間是否時(shí)間跨度太長(zhǎng)導(dǎo)致解的變化尺度跨越多個(gè)數(shù)量級(jí)可以考慮分段求解。解的行為異常如出現(xiàn)負(fù)值、爆炸式增長(zhǎng)原因可能是模型本身的不穩(wěn)定性或者數(shù)值誤差積累導(dǎo)致。排查驗(yàn)證模型檢查方程和參數(shù)的單位、量綱是否合理。例如人口不應(yīng)為負(fù)可以在ODE函數(shù)中對(duì)狀態(tài)變量施加非負(fù)約束y(y0)0但這會(huì)改變方程需謹(jǐn)慎。減小時(shí)間步長(zhǎng)通過(guò)設(shè)置odeset中的InitialStep和MaxStep來(lái)限制求解器的步長(zhǎng)。例如options odeset(MaxStep, 0.1);。嘗試不同求解器換用ode23或ode113看看結(jié)果是否一致。6.2 PDE求解常見(jiàn)問(wèn)題與排查pdepe報(bào)錯(cuò)“嘗試訪問(wèn) xx(2)索引超出范圍”原因幾乎總是因?yàn)檫吔鐥l件函數(shù)pdex1bc的輸入輸出變量數(shù)量不匹配。仔細(xì)檢查函數(shù)定義行function [pl, ql, pr, qr] pdex1bc(xl, ul, xr, ur, t)確保輸入是5個(gè)參數(shù)輸出是4個(gè)參數(shù)且順序正確。解出現(xiàn)非物理振蕩或不穩(wěn)定原因空間網(wǎng)格太粗無(wú)法分辨解的空間變化。特別是初始條件或源項(xiàng)有劇烈變化時(shí)。解決加密空間網(wǎng)格xmesh。同時(shí)對(duì)于對(duì)流占優(yōu)的問(wèn)題中心差分格式可能不穩(wěn)定需要考慮迎風(fēng)差分等格式但這已超出pdepe內(nèi)置能力需要自己實(shí)現(xiàn)FDM。計(jì)算速度慢原因網(wǎng)格點(diǎn)太多或時(shí)間區(qū)間太長(zhǎng)。優(yōu)化減少輸出點(diǎn)tspan中不要設(shè)置過(guò)于密集的輸出時(shí)間點(diǎn)。求解器內(nèi)部步長(zhǎng)是自適應(yīng)的tspan只控制輸出。使用稀疏矩陣如果自己實(shí)現(xiàn)FDM矩陣A一定要用sparse或spdiags創(chuàng)建稀疏矩陣。利用對(duì)稱性如果問(wèn)題和邊界條件是對(duì)稱的可以只計(jì)算一半?yún)^(qū)域。6.3 性能與精度優(yōu)化策略向量化編程在定義ODE/PDE的函數(shù)中盡量避免使用循環(huán)。MATLAB對(duì)矩陣和向量運(yùn)算做了深度優(yōu)化。例如在計(jì)算空間差分時(shí)使用矩陣運(yùn)算代替逐點(diǎn)循環(huán)速度可提升數(shù)十倍。匿名函數(shù)與參數(shù)傳遞如前所述使用匿名函數(shù)(t,y) myode(t,y, param1, param2)來(lái)傳遞參數(shù)比使用全局變量更清晰、安全。預(yù)分配數(shù)組在需要存儲(chǔ)時(shí)間序列結(jié)果時(shí)比如自己寫(xiě)時(shí)間推進(jìn)的FDM循環(huán)務(wù)必預(yù)先分配好存儲(chǔ)數(shù)組如U zeros(length(t), length(x))而不是在循環(huán)中動(dòng)態(tài)增長(zhǎng)數(shù)組。精度驗(yàn)證網(wǎng)格收斂性測(cè)試將空間網(wǎng)格點(diǎn)數(shù)加倍如從50到100時(shí)間容差減半比較兩次求解結(jié)果在關(guān)心點(diǎn)上的差異。如果差異很小說(shuō)明解已收斂。與已知解對(duì)比如果問(wèn)題有解析解或高精度參考解務(wù)必進(jìn)行對(duì)比這是檢驗(yàn)代碼正確性的黃金標(biāo)準(zhǔn)。守恒律檢查對(duì)于某些物理問(wèn)題總質(zhì)量、總能量應(yīng)該守恒。計(jì)算這些量的數(shù)值積分看其隨時(shí)間的變化是否在可接受范圍內(nèi)。7. 在數(shù)學(xué)建模中的應(yīng)用拓展與案例點(diǎn)睛掌握了ODE/PDE的求解技術(shù)最終要服務(wù)于數(shù)學(xué)建模。在比賽中這不僅僅是“求出解”那么簡(jiǎn)單。7.1 參數(shù)敏感性分析模型的結(jié)果往往依賴于參數(shù)。以SIR模型為例基本再生數(shù)R0 β/γ是關(guān)鍵參數(shù)。我們可以通過(guò)循環(huán)改變?chǔ)禄颚糜^察疫情峰值、達(dá)到時(shí)間、最終感染規(guī)模等指標(biāo)如何變化。beta_range 0.1:0.05:0.5; gamma 0.1; peak_infected zeros(size(beta_range)); for i 1:length(beta_range) beta beta_range(i); [t, y] ode45((t,y) sir_ode(t,y,beta,gamma,N), tspan, y0); I y(:,2); peak_infected(i) max(I); end plot(beta_range, peak_infected, o-); xlabel(感染率 \beta); ylabel(疫情峰值感染人數(shù)); grid on;這種分析能告訴我們哪個(gè)參數(shù)對(duì)結(jié)果影響最大為干預(yù)措施如降低β提供定量依據(jù)。7.2 模型校準(zhǔn)與參數(shù)估計(jì)當(dāng)模型需要擬合實(shí)際數(shù)據(jù)時(shí)就變成了一個(gè)優(yōu)化問(wèn)題。例如我們有某地區(qū)每日新增感染數(shù)據(jù)I_data想要估計(jì)SIR模型中的β和γ。% 定義誤差函數(shù)例如最小二乘 error_func (params) sum((simulate_sir(params) - I_data).^2); % params [beta, gamma] initial_guess [0.3, 0.1]; estimated_params fminsearch(error_func, initial_guess);其中simulate_sir(params)是一個(gè)封裝好的函數(shù)用給定的params運(yùn)行SIR模型并輸出與I_data時(shí)間點(diǎn)對(duì)應(yīng)的模擬感染人數(shù)。fminsearch是MATLAB的無(wú)導(dǎo)數(shù)優(yōu)化函數(shù)可以用來(lái)尋找使誤差最小的參數(shù)。7.3 耦合模型與多物理場(chǎng)問(wèn)題真實(shí)的建模問(wèn)題往往是多個(gè)過(guò)程耦合的。例如一個(gè)生態(tài)模型可能同時(shí)包含種群動(dòng)力學(xué)ODE和空間擴(kuò)散PDE即反應(yīng)-擴(kuò)散系統(tǒng)。這類問(wèn)題通常需要自己構(gòu)造數(shù)值方法如將PDE空間離散后與ODE部分結(jié)合成一個(gè)更大的ODE系統(tǒng)再用ode15s等求解或者使用更專業(yè)的工具箱如PDE Toolbox。這是數(shù)學(xué)建模的高階挑戰(zhàn)也是區(qū)分隊(duì)伍水平的關(guān)鍵。7.4 結(jié)果的可視化與論文呈現(xiàn)一張好的圖勝過(guò)千言萬(wàn)語(yǔ)。除了基本的二維線圖、三維曲面圖可以考慮動(dòng)畫(huà)用for循環(huán)和getframe制作PDE解隨時(shí)間演化的動(dòng)畫(huà)在論文中提供動(dòng)畫(huà)截圖或鏈接。熱圖用imagesc或pcolor展示二維場(chǎng)比surf圖更簡(jiǎn)潔。參數(shù)空間掃描圖用contourf或scatter展示不同參數(shù)組合下的結(jié)果分布。最后在論文中描述數(shù)值方法時(shí)不必贅述ode45或pdepe的內(nèi)部算法但必須說(shuō)明使用了什么求解器、為什么選擇它如非剛性/剛性、設(shè)置了怎樣的容差或網(wǎng)格、并進(jìn)行了網(wǎng)格無(wú)關(guān)性驗(yàn)證以確保結(jié)果的可靠性。這體現(xiàn)了建模過(guò)程的嚴(yán)謹(jǐn)性。