如何基于时空序值计算将FTBS改进为蛙跳法（CTCS）求解线性Burgers方程

首先明确蛙跳法的核心格式：对于无扰动线性Burgers方程（本质为线性对流方程）$\frac{\partial u}{\partial t} + u_0 \frac{\partial u}{\partial x} = 0$，蛙跳格式采用二阶时间差分和二阶空间中心差分，离散形式为：
$$u_i^{n+1} = u_i^{n-1} - \frac{u_0 \Delta t}{\Delta x} \left( u_{i+1}^n - u_{i-1}^n \right)$$

核心改进要点 #

• 需存储前两个时间步的速度场（$u^{n-1}$和$un$），不能像FTBS那样仅用单个数组原地更新
• 由于初始只有$t=0$的场，需要先用一阶格式（如原FTBS）计算出$t=\Delta t$的场，作为蛙跳法的启动步
• 周期性边界条件处理：边界点的空间差分需循环取域内对应点

完整实现代码 #

1. 参数初始化与初始场准备

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

# 原参数保留
L = 20                # 计算域长度
dx = 0.1              # 空间步长
N = int(L / dx)       # 网格点数
dt = 0.01             # 时间步长
u0 = 1                # 平流速度
T = 10                # 最终时间
num_steps = int(T / dt)

# t=0时刻的初始场
u_prev = 0.5 * (1 + np.cos(2 * np.pi * np.arange(N) * dx / L))
# 用FTBS计算t=dt的场，作为蛙跳法的当前时间步（启动蛙跳需要两个初始时间步）
u_curr = u_prev.copy()
for i in range(N):
    if i == 0:
        u_curr[i] = u_prev[i] - (u0*dt/dx) * (u_prev[i] - u_prev[N-1])
    else:
        u_curr[i] = u_prev[i] - (u0*dt/dx) * (u_prev[i] - u_prev[i-1])

# 动画初始化（保留原逻辑）
fig, ax = plt.subplots()
line, = ax.plot(np.arange(N)*dx, u_prev)
ax.set_ylim(0, 1.1)
ax.set_xlabel('x')
ax.set_ylabel('u')
ax.set_title('Leapfrog Method for Linear Advection')

2. 蛙跳法时间推进函数

def advection_leapfrog(n):
    global u_prev, u_curr
    u_next = np.zeros_like(u_curr)
    # 遍历所有网格点，应用蛙跳格式+周期性边界
    for i in range(N):
        # 周期性边界处理：i+1超出右边界则取左端点，i-1超出左边界则取右端点
        i_plus = (i + 1) % N
        i_minus = (i - 1) % N
        # 蛙跳格式核心计算
        u_next[i] = u_prev[i] - (u0 * dt / dx) * (u_curr[i_plus] - u_curr[i_minus])
    
    # 更新时间步缓存：u_prev为上一步，u_curr为当前步
    u_prev, u_curr = u_curr, u_next
    # 更新动画数据
    line.set_data(np.arange(N)*dx, u_curr)
    return line,

3. 启动动画计算

ani = FuncAnimation(fig, advection_leapfrog, frames=num_steps-1, interval=20, blit=True)
plt.show()

关键注意事项 #

• 稳定性验证：蛙跳法的CFL条件为$\frac{u_0 \Delta t}{\Delta x} \leq 1$，你的参数计算得$\frac{1*0.01}{0.1}=0.1 \leq 1$，满足稳定性要求
• 避免数据覆盖：必须用独立数组存储三个时间步的场，防止计算过程中覆盖需要的历史值
• 启动步必要性：蛙跳法需要两个初始时间步，因此必须先用一阶格式生成第一个时间步的场，否则无法启动迭代

内容的提问来源于stack exchange，提问作者louis Du