如何在数值模拟中按固定时间间隔保存数组状态

DDD
发布: 2025-08-13 15:48:01
原创
595人浏览过

如何在数值模拟中按固定时间间隔保存数组状态

在数值模拟中,经常需要保存数组(例如位置和速度)的状态,以便后续分析或可视化。然而,如果模拟时间较长,或者时间步长较小,存储所有时间步的状态可能会占用大量内存。本文将介绍如何在 Python 中,使用 NumPy 数组,以固定的时间步长间隔保存数组状态,从而有效减少内存占用

核心思路

核心思路是利用取模运算 (%),仅在特定的时间步保存数据。同时,需要注意循环中索引的更新顺序,以确保在保存数据时,数组已经更新到目标时间步的状态。

代码示例与解析

以下代码基于问题中的行星轨道模拟示例,展示了如何修改代码以实现按固定时间间隔保存位置和速度信息。

美间AI
美间AI

美间AI:让设计更简单

美间AI 45
查看详情 美间AI
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 常量定义
M_Sun = 1.989e30  # 太阳质量
G = 6.67430e-11  # 万有引力常量
yr = 365 * 24 * 60 * 60  # 一年秒数

# 粒子数量
num_particles = 8

# 初始条件
initial_pos = np.array([
    [57.9e9, 0, 0],  # Mercury
    [108.2e9, 0, 0],  # Venus
    [149.6e9, 0, 0],  # Earth
    [228e9, 0, 0],  # Mars
    [778.5e9, 0, 0],  # Jupiter
    [1432e9, 0, 0],  # Saturn
    [2867e9, 0, 0],  # Uranus
    [4515e9, 0, 0]   # Neptune
])

initial_vel = np.array([
    [0, 47400, 0],
    [0, 35000, 0],
    [0, 29800, 0],
    [0, 24100, 0],
    [0, 13100, 0],
    [0, 9700, 0],
    [0, 6800, 0],
    [0, 5400, 0]
])

# 模拟参数
t_end = 0.004 * yr  # 总模拟时间
dt_constant = 0.1
intervals = 10000  # 保存间隔

# 初始化位置和速度数组
pos = np.zeros((num_particles, int(t_end), 3))
vel = np.zeros((num_particles, int(t_end), 3))

# Leapfrog 积分
pos[:, 0] = initial_pos
vel[:, 0] = initial_vel
saved_pos = []
saved_vel = []

t = 1
while t < int(t_end):
    r = np.linalg.norm(pos[:, t - 1], axis=1)
    acc = -G * M_Sun / r[:, np.newaxis]**3 * pos[:, t - 1]

    # 计算当前时间步长
    current_dt = dt_constant * np.sqrt(np.linalg.norm(pos[:, t - 1], axis=1)**3 / (G * M_Sun))
    min_dt = np.min(current_dt)

    half_vel = vel[:, t - 1] + 0.5 * acc * min_dt
    pos[:, t] = pos[:, t - 1] + half_vel * min_dt

    # 重新计算加速度
    r = np.linalg.norm(pos[:, t], axis=1)
    acc = -G * M_Sun / r[:, np.newaxis]**3 * pos[:, t]
    vel[:, t] = half_vel + 0.5 * acc * min_dt

    # 保存位置和速度信息
    if t % intervals == 0:
        saved_pos.append(pos[:, t].copy())
        saved_vel.append(vel[:, t].copy())

    t += 1

saved_pos = np.array(saved_pos)
saved_vel = np.array(saved_vel)

# 轨道绘图
fig = plt.figure(figsize=(8, 8))
ax = fig.add_subplot(111, projection='3d')

ax.scatter(0, 0, 0, color='yellow', marker='o', s=50, label='Sun')

for particle in range(num_particles):
    x_particle = pos[particle, :, 0]
    y_particle = pos[particle, :, 1]
    z_particle = pos[particle, :, 2]
    ax.plot(x_particle, y_particle, z_particle, label=f'Particle {particle + 1} Orbit (km)')

ax.set_xlabel('X (km)')
ax.set_ylabel('Y (km)')
ax.set_zlabel('Z (km)')
ax.legend(loc='upper right', bbox_to_anchor=(1.1, 1.1))
ax.set_title('Orbits of Planets around Sun (km)')
plt.show()
登录后复制

代码解释:

  1. if t % intervals == 0:: 这是核心的条件判断语句。t % intervals 计算当前时间步 t 除以保存间隔 intervals 的余数。当余数为 0 时,表示当前时间步是需要保存的时间步。
  2. saved_pos.append(pos[:, t].copy()): 将当前时间步的位置信息 pos[:, t] 添加到 saved_pos 列表中。.copy() 方法创建数组的副本,防止后续修改 pos 数组影响已保存的数据。速度信息的保存方式类似。
  3. 索引更新顺序 确保在保存 pos[:, t] 之前,已经完成了对 pos[:, t] 的更新。

注意事项

  • 索引问题: 循环中的索引 t 从 1 开始,因此需要使用 t % intervals == 0 来判断是否需要保存数据。 如果 t 从 0 开始,则应该使用 (t + 1) % intervals == 0。
  • 内存占用: 即使按固定间隔保存,如果模拟时间非常长,saved_pos 和 saved_vel 仍然可能占用大量内存。可以考虑将数据写入文件,而不是全部保存在内存中。
  • 数据分析: 保存间隔的选择取决于具体的应用场景。需要根据模拟的精度要求和数据分析的需求,合理选择保存间隔。
  • 时间步长: 确保时间步长足够小,以保证模拟的准确性。

总结

通过使用取模运算和注意索引更新顺序,可以在数值模拟中按固定时间间隔保存数组状态,有效减少内存占用。 这种方法适用于各种需要保存中间状态的数值模拟,例如物理模拟、机器学习模型训练等。 记住,合理选择保存间隔,并根据具体需求调整代码,才能获得最佳的性能和效果。

以上就是如何在数值模拟中按固定时间间隔保存数组状态的详细内容,更多请关注php中文网其它相关文章!

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号