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~~


目录
打赏
0
0
0
0
8
分享
相关文章
【Azure Developer】分享两段Python代码处理表格(CSV格式)数据 : 根据每列的内容生成SQL语句
本文介绍了使用Python Pandas处理数据收集任务中格式不统一的问题。针对两种情况:服务名对应多人拥有状态(1/0表示),以及服务名与人名重复列的情况,分别采用双层for循环和字典数据结构实现数据转换,最终生成Name对应的Services列表(逗号分隔)。此方法高效解决大量数据的人工处理难题,减少错误并提升效率。文中附带代码示例及执行结果截图,便于理解和实践。
122 5
用Python编程基础提升工作效率
一、文件处理整明白了,少加两小时班 (敲暖气管子)领导让整理100个Excel表?手都干抽筋儿了?Python就跟铲雪车似的,哗哗给你整利索!
88 11
[oeasy]python081_ai编程最佳实践_ai辅助编程_提出要求_解决问题
本文介绍了如何利用AI辅助编程解决实际问题,以猫屎咖啡的购买为例,逐步实现将购买斤数换算成人民币金额的功能。文章强调了与AI协作时的三个要点:1) 去除无关信息,聚焦目标;2) 将复杂任务拆解为小步骤,逐步完成;3) 巩固已有成果后再推进。最终代码实现了输入验证、单位转换和价格计算,并保留两位小数。总结指出,在AI时代,人类负责明确目标、拆分任务和确认结果,AI则负责生成代码、解释含义和提供优化建议,编程不会被取代,而是会更广泛地融入各领域。
140 28
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
4月前
|
[oeasy]python074_ai辅助编程_水果程序_fruits_apple_banana_加法_python之禅
本文回顾了从模块导入变量和函数的方法,并通过一个求和程序实例,讲解了Python中输入处理、类型转换及异常处理的应用。重点分析了“明了胜于晦涩”(Explicit is better than implicit)的Python之禅理念,强调代码应清晰明确。最后总结了加法运算程序的实现过程,并预告后续内容将深入探讨变量类型的隐式与显式问题。附有相关资源链接供进一步学习。
64 4
Python 高级编程与实战:构建 RESTful API
本文深入探讨了使用 Python 构建 RESTful API 的方法,涵盖 Flask、Django REST Framework 和 FastAPI 三个主流框架。通过实战项目示例,详细讲解了如何处理 GET、POST 请求,并返回相应数据。学习这些技术将帮助你掌握构建高效、可靠的 Web API。
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
以上内容是一个简单的实现在Java后端中通过DockerClient操作Docker生成python环境并执行代码,最后销毁的案例全过程,也是实现一个简单的在线编程后端API的完整流程,你可以在此基础上添加额外的辅助功能,比如上传文件、编辑文件、查阅文件、自定义安装等功能。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。
Python 高级编程与实战:构建微服务架构
本文深入探讨了 Python 中的微服务架构,介绍了 Flask、FastAPI 和 Nameko 三个常用框架,并通过实战项目帮助读者掌握这些技术。每个框架都提供了构建微服务的示例代码,包括简单的 API 接口实现。通过学习本文,读者将能够使用 Python 构建高效、独立的微服务。
Python 高级编程与实战:构建分布式系统
本文深入探讨了 Python 中的分布式系统,介绍了 ZeroMQ、Celery 和 Dask 等工具的使用方法,并通过实战项目帮助读者掌握这些技术。ZeroMQ 是高性能异步消息库,支持多种通信模式;Celery 是分布式任务队列,支持异步任务执行;Dask 是并行计算库,适用于大规模数据处理。文章结合具体代码示例,帮助读者理解如何使用这些工具构建分布式系统。

推荐镜像

更多
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问