python编程作业--盐度对流方程的差分格式设计与讨论

简介: python编程作业--盐度对流方程的差分格式设计与讨论

使用python对于盐度对流差分格式设计与讨论



题目要求如下:



7a6c331576b54921a783d1770e1a9044.png


差分格式设计如下:



方案1、蛙跳格式(时间和距离都用中央差)


d1e667266a9e478792a8cd6305767eb3.pngdd5ffd4ec6fd41a1aa18de35643afd9d.png

be73800eb1284353a2a7aaa1774c7557.png


python代码如下:


"""
Created on %(date)s
@author: %(jixianpu)s
Email : 211311040008@hhu.edu.cn
introduction : keep learning althongh walk slowly
"""
"""
分析说明:μ<1时,蛙跃格式是稳定的,但是会有频散现象发生,耗散比较小,盐度场峰值基本保持不变;μ>1时,明显看到格式不稳定。
"""
import numpy as np
import matplotlib.pyplot as plt
ss=np.zeros((2002,1002))   
dx=10
u=1
dt=5
#mu=u*dt/dx;
mu=1.1 #1.01,0.01,0.05
ss[0,300:401]=10
for n  in range(2001):
    for  j in range(1001):
        if (n==1)&(j==1):
            s1=ss[n,j]
            s2=ss[n,j]
            ss[n+1,j]=s1+mu*(-ss[n,j+1]+s2)
        elif n==1 & j!=1:
            s1=ss[n,j]
            ss[n+1,j]=s1+mu*(-ss[n,j+1]+ss[n,j-1])
        elif j==1 &n!=1:
            s2=ss[n,j]
            ss[n+1,j]=ss[n-1,j]+mu*(-ss[n,j+1]+s2)
        else :
            ss[n+1,j]=ss[n-1,j]+mu*(-ss[n,j+1]+ss[n,j-1])
plt.rcParams['axes.unicode_minus'] = False
fig=plt.figure(figsize=(15,15))   
ax=fig.add_subplot(1,1,1)
ax.plot(ss[1000])
# ax.set_xlim(0,1000)
# ax.set_ylim(-3,14)
ax.set_xlabel('area range',fontsize=30)
ax.set_ylabel('salinity',fontsize=30)
ax.tick_params(which='major',direction='out', pad=8,labelsize=25,length=10,\
                axis='both',bottom=True, left=True, right=False, top=False)
ax.set_title('t=1000s',fontsize=30)


图片如下:


8ed4f34af6914eca9407805b32b58acb.png

a9c64bfa169f4e1198dc37d2a0d80a46.png

b43537db14834d2ca42cbc6d14e75cdb.png


分析结论:


μ<1时,蛙跃格式是稳定的,但是会有频散现象发生,耗散比较小,盐度场峰值基本保持不变;μ>1时,明显看到格式不稳定。


方案2、迎风格式(时间用前差,距离用后差)


0cefcd504d9347b4bd0c289c39f1bae4.png

5ca47c7aac8b41c28e24c22a2ddc4711.png

8105fa7431424e2f914a5fad84e0fdc5.png


python 核心代码如下:


for n  in range(2001):
    for  j in range(1001):
        if (j==1):
            s1=ss[n,j]
            ss[n+1,j]=ss[n,j]-mu*(ss[n,j]-s1)
        else :
            ss[n+1,j]=ss[n,j]-mu*(ss[n,j]-ss[n,j-1])


图片如下:


7624164008864d57bc8889d88cdbdaee.png69b819e3eece4a439f5b3132fd545595.png62aae5bdefd643abb6517eb870909856.png


分析结论:

在μ<1时,迎风格式是稳定的,没有发生频散,但是发生耗散,盐柱的棱角变得圆滑。μ>1时,格式变得不稳定。。


方案3、欧拉格式(时间用前差,距离用中央差)


fe19fbe6583345e9becb278752505770.pnga86a249f8e184609ac2013dd95e0ac6d.png

8d3b8520b0a2484d84a5accbe417bc93.png


python 核心代码:


for n  in range(2001):
    for  j in range(1001):
        if (j==1):
            s1=ss[n,j]
            ss[n+1,j]=ss[n,j]-0.5*mu*(ss[n,j+1]-s1)
        else :
            ss[n+1,j]=ss[n,j]-0.5*mu*(ss[n,j+1]-ss[n,j-1])


图片如下:

3379184348a84d97985cbc36812930db.png532de27fa3ea437cb0dc21c165a8224a.png


8dcbfba440a94dec8e1bbcd64f2ca6b7.png


分析结论:

欧拉法是一种绝对不稳定的格式,无论mu取多小,都是不稳定的


方案4、lax格式(在欧拉格式右边增加一个耗散项)


49b8591924764240a2f2d99a4890d4f9.png

271f202cd3b74666a5b068aada177afa.png

7ddc105084064e169910bdaa4a861d26.png


python 核心代码:


mu=1.1
miu2=u*u*dt/(dx*dx)
for n  in range(2001):
    for  j in range(1001):
        if (j==1):
            s1=ss[n,j]
            ss[n+1,j]=ss[n,j]-0.5*mu*(ss[n,j+1])+0.5*mu*s1+miu2*ss[n,j+1]-2*miu2*ss[n,j]+miu2*s1
        else :
            ss[n+1,j]=ss[n,j]-0.5*mu*(ss[n,j+1])+0.5*mu*ss[n,j-1]+miu2*ss[n,j+1]-2*miu2*ss[n,j]+miu2*ss[n,j-1]


图片如下:


92e157be57914d649a4d355715d66154.png65753b3c30aa4c8c9915ce3231ca611a.png64483afa4e704cdc822a0d30337de6a8.png


分析结论:

在μ<1时,此格式是稳定的,有少许频散,耗散也比较少,盐度值是比较稳定的。
在μ>1时,格式不稳定。

ps:代码可能有点粗糙,只是简单记录一下,欢迎评论讨论。


            一个努力学习python的海洋人
            水平有限,欢迎指正!!!
            欢迎评论、收藏、点赞、转发、关注。
            关注我不后悔,记录学习进步的过程~~


相关文章
|
6天前
|
安全 Python
告别低效编程!Python线程与进程并发技术详解,让你的代码飞起来!
【7月更文挑战第9天】Python并发编程提升效率:**理解并发与并行,线程借助`threading`模块处理IO密集型任务,受限于GIL;进程用`multiprocessing`实现并行,绕过GIL限制。示例展示线程和进程创建及同步。选择合适模型,注意线程安全,利用多核,优化性能,实现高效并发编程。
20 3
|
6天前
|
数据格式 Python
【Python】已解决:Excel无法打开文件test.xIsx“,因为文件格式或文件扩展名无效。请确定文件未损坏,并且文件扩展名与文件的格式匹配。
【Python】已解决:Excel无法打开文件test.xIsx“,因为文件格式或文件扩展名无效。请确定文件未损坏,并且文件扩展名与文件的格式匹配。
34 0
|
6天前
|
数据采集 大数据 数据安全/隐私保护
Python编程:如何有效等待套接字的读取与关闭
Python网络编程中,套接字事件处理至关重要。利用`selectors`模块和代理IP能增强程序的稳定性和可靠性。代码示例展示了如何通过代理连接目标服务器,注册套接字的读写事件并高效处理。在代理IP配置、连接创建、事件循环及回调函数中,实现了数据收发与连接管理,有效应对网络爬虫或聊天应用的需求,同时保护了真实IP。
Python编程:如何有效等待套接字的读取与关闭
|
1天前
|
数据挖掘 开发者 Python
如何自学Python编程?
【7月更文挑战第14天】如何自学Python编程?
16 4
|
4天前
|
Python
不容错过!Python中图的精妙表示与高效遍历策略,提升你的编程艺术感
【7月更文挑战第11天】在Python编程中,图以邻接表或邻接矩阵表示,前者节省空间,后者利于查询连接。通过字典实现邻接表,二维列表构建邻接矩阵。图的遍历包括深度优先搜索(DFS)和广度优先搜索(BFS)。DFS使用递归,BFS借助队列。这些基础技巧对于解决复杂数据关系问题,如社交网络分析或迷宫求解,至关重要,能提升编程艺术。
13 5
|
6天前
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
14 1
|
7天前
|
算法 索引 Python
Python算法设计与分析大揭秘:分治法、贪心算法、动态规划...掌握它们,让你的编程之路更加顺畅!
【7月更文挑战第8天】探索Python中的三大算法:分治(如快速排序)、贪心(活动选择)和动态规划(0-1背包问题)。分治法将问题分解求解再合并;贪心策略逐步求局部最优;动态规划通过记忆子问题解避免重复计算。掌握这些算法,提升编程效率与解决问题能力。
15 1
|
1天前
|
API 开发工具 git
`black`是一个不受约束的Python代码格式化工具。它自动将Python代码格式化为PEP 8样式,但具有一些额外的规则,旨在使代码更加一致和易读。
`black`是一个不受约束的Python代码格式化工具。它自动将Python代码格式化为PEP 8样式,但具有一些额外的规则,旨在使代码更加一致和易读。
9 0
|
1天前
|
Unix Linux Shell
Sphinx是一个Python文档生成工具,它可以解析reStructuredText或Markdown格式的源代码注释,并生成多种输出格式,如HTML、LaTeX、PDF、ePub等。
Sphinx是一个Python文档生成工具,它可以解析reStructuredText或Markdown格式的源代码注释,并生成多种输出格式,如HTML、LaTeX、PDF、ePub等。
5 0
|
6天前
|
算法 调度 索引
Python堆与优先队列大起底:深入骨髓的解析,让你彻底告别低效编程!
【7月更文挑战第9天】Python的heapq模块实现了堆数据结构,提供heappush和heappop等操作,支持最小堆。堆是完全二叉树,满足堆属性。优先队列利用堆实现,元素按优先级出队。通过将优先级和元素打包入堆,如示例所示,能轻松处理优先级任务。掌握堆与优先队列,提升编程效率。
11 0