我有一个耦合方程组:流体静力学平衡方程、质量连续性方程和理想气体的状态方程。这些是,在数学语法中,
\frac{dP}{dr}=-\rho*g,
其中 \rho 是密度,g 是重力加速度。
\frac{dM}{dr}=4*pi* r^2*\rho
和
p=\rho* k_B* T/(\mu *m_p),
其中 k_B 是玻尔兹曼常数,\mu 是平均分子量,m_p 是质子质量。
我想使用 Runge-Kutta 数值技术求解这些耦合方程,我在此展示了我为解决此问题而设计的 python 代码:
from scipy.constants import m_p,G,k,pi
from pylab import *
#mu may be changed for different molecular composition:
mu=2
def g(r_atm, p_atm):
T=165
return 4*pi*r_atm**2*mu*m_p*p_atm/(k*T)
def f(r_atm,p_atm, m_atm):
T=165
return -mu*m_p*p_atm*G*m_atm/(k*T*r_atm**2)
def rk4_1(g,f, r0, p0,m0, r1, n):
r_atm = [0]*(n + 1)
p_atm = [0]*(n + 1)
m_atm=[0]*(n + 1)
h = (r1 - r0)/n
# h=-20
r_atm[0]=r0
p_atm[0]=p0
m_atm[0]=m0
for i in range(0,10000000):
if p_atm[i]<100000:
k0 = h*g(r_atm[i], p_atm[i])
l0 = h*f(r_atm[i], p_atm[i], m_atm[i])
k1 = h*g(r_atm[i] + 0.5*h, p_atm[i] + 0.5*k0)
l1 = h*f(r_atm[i] + 0.5*h, p_atm[i] + 0.5*l0, m_atm[i]+0.5*k0)
k2 = h*g(r_atm[i] + 0.5*h, p_atm[i] + 0.5*k1)
l2 = h*f(r_atm[i] + 0.5*h, p_atm[i] + 0.5*l1, m_atm[i]+0.5*k1)
k3 = h*g(r_atm[i] + h, p_atm[i] + k2)
l3 = h*f(r_atm[i] + h, p_atm[i] + l2, m_atm[i]+k2)
r_atm[i+1] = r0 + (i+1)*h
p_atm[i+1] = p_atm[i] + (l0 + 2*l1 + 2*l2 + l3)/6
m_atm[i+1] = m_atm[i] + (k0 + 2*k1 + 2*k2 + k3)/6
else:
break
return h, r_atm, p_atm, m_atm
h, r_atm, p_atm, m_atm = rk4_1(g,f, 6.991e7, 1e-6*1e5, 1.898e27, 2.0e7,10000000) #bar to pascals (*1e5)
对于压力 p_atm、半径 r_atm 和质量 m_atm 的初始条件,我使用了我在h, r_atm, p_atm, m_atm = rk4_1(g,f, 6.991e7, 1e-6*1e5, 1.898e27, 2.0e7,10000000)。请注意,我是从高层大气(初始条件给定的地方)开始处理这个边值问题,然后在大气中向下推进(注意 h 是负数)。我的目的是评估从 10^-1 帕斯卡到 100000 帕斯卡的数值积分。我运行这段代码得到的结果是压力在三个步骤中简单地爆炸到 ~1e+123,所以显然有一些非常错误的流,但是有另一只眼睛会有所帮助或者观点,因为这是我第一次执行 Runga-Kutta 方法论。
请您参考如下方法:
正如 Wolph 所说,除以 n 可能只会得到 h=0,具体取决于您使用的 Python 版本。如果您使用的是 2.x,您应该在开头包含 from __future__ import division,或者以其他方式处理除法(例如,除以 float(n)). (哦,我想也许您还打算在循环中使用 n,而不是硬编码 range(0,10000000)?并且有几个缩进代码中存在错误,但我想那只是因为在这里发布了它。)
不过,这似乎不是主要问题。你说你很早就有高压;当我运行它时,它真的很低吗?即使有适当的除法,我得到 p_atm[3] = -2.27e+97,从那开始,我开始得到无穷大(inf 和 -inf code>) 和 nan。
在不更好地了解具体问题的情况下,很难确定您的实现是否存在错误,或者这是否仅仅是数值不稳定的问题。它看起来对我来说是正确的,但我很可能错过了一些东西(有点难以阅读。)如果这是你第一次使用 Runge–Kutta,我强烈建议使用现有的实现而不是而不是尝试自己做对。数值计算和避免浮点问题可能非常具有挑战性。您已经在使用 scipy — 为什么不使用他们的 R–K 方法实现或相关的数值积分解决方案?看看scipy.integrate , 例如。如果不出意外,如果 scipy 集成商无法解决您的问题,至少您更清楚自己面临的挑战是什么。
