Skip to content
The Chat Archive
gpt-4-1106-preview· OpenAI WildChat-4.8M (AI2)

Перепиши этот код import numpy as np from scipy.integrate import solveivp import…

  1. User

    Перепиши этот код import numpy as np from scipy.integrate import solve_ivp import matplotlib.pyplot as plt from scipy.interpolate import interp1d

    Параметры дифференциального уравнения

    def mypde(t, u, D=0.1): # Дискретизация второй производной с помощью конечных разностей uxx = np.zeros_like(u) uxx[1:-1] = (u[:-2] - 2 * u[1:-1] + u[2:]) / (dx**2) # Граничные условия uxx[0] = uxx[-1] = 0 return D * uxx

    Начальные условия

    def mydif_ic(x): return np.where((x <= 0.45) | (x >= 0.55), 0.0, 1.0)

    Граничные условия

    def mydif_bc(t, u): u[0] = u[-1] = 0.0 return u

    Решение диффузионного уравнения

    def mydiffusion(m, n_x, n_t): xmesh = np.linspace(0, 1, n_x) tspan = np.linspace(0, 0.4, n_t) global dx dx = xmesh[1] - xmesh[0]

    # Начальные условия:
    u0 = mydif_ic(xmesh)
    
    # Решение с использованием функции solve_ivp
    sol = solve_ivp(mypde, (tspan[0], tspan[-1]), u0, t_eval=tspan, method='RK45', vectorized=True)
    
    X, T = np.meshgrid(xmesh, sol.t)
    u = sol.y
    
    # График поверхности
    plt.figure()
    ax = plt.axes(projection='3d')
    ax.plot_surface(X, T, u.T, cmap='viridis')
    ax.set_xlabel('Координата')
    ax.set_ylabel('Время')
    ax.set_zlabel('Концентрация')
    plt.title('Концентрация вещества, как функция координаты и времени')
    
    # Контурный график
    plt.figure()
    contour_levels = [0.001, 0.005, 0.05]
    c = plt.contour(X, u[:, :].T, T, levels=contour_levels)
    plt.clabel
    plt.xlabel('Координата')
    plt.ylabel('Концентрация')
    plt.title('Концентрация как функция координаты в отдельные моменты времени')
    plt.grid()
    plt.show()
    

    Вызов функции с данными параметрами

    mydiffusion(0, 100, 100) чтобы он подошел к этому условию: Найти решение уравнения диффузии и построить график зависимости концентрации веществе 𝑢 во времени в зависимости (0 ≤ 𝑡 ≤ 2) от координаты (0 ≤ 𝑥 ≤ 1). (𝜋^2)* (𝜕𝑢/𝜕𝑡) = 𝜕/𝜕𝑥 ( 𝜕𝑢/𝜕𝑥 ). Начальные условия: 𝑢(𝑥, 0) = sin 𝜋𝑥 Граничные условия: 𝑢(0,𝑡) = 0, 𝜋𝑒 −𝑡 + 𝜕𝑢 𝜕𝑥 (1,𝑡) = 0.

  2. Assistant

    Чтобы модифицировать данный код для заданного условия, потребуется изменить функции, описывающие начальное и граничное условия, и само дифференциальное уравнение. Начальные условия задаются функцией sin(πx), а в уравнении диффузии коэффициент диффузии D будет равен 1/π^2.

    Для граничных условий типа Неймана на правом крае (d𝑢/dx (1,t) = 0) мы можем использовать приближение конечной разностью первого порядка.

    Перепишем код со следующими изменениями:

    1. Измененные параметры дифференциального уравнения и коэффициент диффузии.
    2. Начальная функция mypde будет использовать sin(πx).
    3. Граничное условие на левом крае u(0,t) = 0, а на правом градиент равен 0, что будет аппроксимировано конечными разностями.
    4. Решение уравнения диффузии, учитывая новый интервал времени и измененные условия.

    Вот переписанный код:

    import numpy as np
    from scipy.integrate import solve_ivp
    import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    
    def mypde(t, u, D=1/(np.pi**2)):
        uxx = np.zeros_like(u)
        uxx[1:-1] = (u[:-2] - 2*u[1:-1] + u[2:]) / (dx**2)
        # Применяем условие Неймана d𝑢/dx (1,t) = 0 приближенно
        uxx[-1] = (u[-2] - u[-1]) / dx**2   # Первая разность задняя (backwards difference)
        # Левое граничное условие Dirichlet u(0,t) = 0 уже установлено в uxx[0] = 0
        return D * uxx
    
    # Начальные условия
    def mydif_ic(x):
        return np.sin(np.pi * x)
    
    # Решение диффузионного уравнения
    def mydiffusion(D, n_x, n_t):
        xmesh = np.linspace(0, 1, n_x)
        tspan = np.linspace(0, 2, n_t)
        global dx
        dx = xmesh[1] - xmesh[0]
        
        # Начальные условия:
        u0 = mydif_ic(xmesh)
        
        # Решение с использованием функции solve_ivp
        sol = solve_ivp(lambda t, u: mypde(t, u, D), 
                        (tspan[0], tspan[-1]), u0, t_eval=tspan, 
                        method='RK45', vectorized=True)
        
        X, T = np.meshgrid(xmesh, sol.t)
        u = sol.y
        
        # График поверхности
        fig = plt.figure()
        ax = fig.add_subplot(111, projection='3d')
        ax.plot_surface(X, T, u.T, cmap='viridis')
        ax.set_xlabel('X')
        ax.set_ylabel('Time')
        ax.set_zlabel('Concentration')
        ax.set_title('Concentration over time and space')
    
        plt.show()
    
    # Вызов функции с заданными параметрами
    mydiffusion(1/(np.pi**2), 100, 100)
    

    Обратите внимание, что граничное условие u(0,t) = 0 уже автоматически соблюдается функцией mypde, так как мы инициализируем uxx нулями и не меняем uxx[0]. Условие du/dx (1,t) = 0 мы аппроксимируем с помощью первой задней разности на правом крае.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.