基于Wolfram Mathematica的双参数绝对误差最小化技术咨询

看起来你正在尝试最小化两个非线性常微分方程（ODE）数值解之间的绝对误差，我帮你把你的Mathematica代码整理成规范格式，同时给你一些实用的优化思路：

你的代码整理 #

(* 定义小参数 *)
\[Epsilon] = 10^-6;

(* 定义近似δ函数的尖峰函数Delta[t] *)
Delta[t_] := 1/(Sqrt[\[Pi]] \[Epsilon]) Exp[-(t/\[Epsilon])^2]

(* 定义驱动函数f(t) *)
f[t_] := 1/2 (1 + Tanh[100 t])

(* 求解第一个ODE，得到w(t)的数值解 *)
solw = NDSolve[
    {w''[t] + (w[t] + w[t]^2) w'[t] == f[t], w[0] == 0, w'[0] == 0},
    w,
    {t, 0, 2 \[Pi]},
    Method -> "MethodOfLines"
];
wsol[t_] := Evaluate[w[t] /. solw]

(* 补全参数与时间区间的第二个ParametricNDSolve *)
solG = ParametricNDSolve[
    {G''[t] + (G[t] + G[t]^2) G'[t] == s2 Delta[t], G[0] == 0, G'[0] == 0},
    G,
    {t, 0, 2 \[Pi]},
    s2
];

误差最小化的实现思路 #

• 明确参数化求解：上面已经帮你补全了ParametricNDSolve的参数s2和时间区间，这样可以生成随s2变化的解G[s2][t]
• 定义误差函数：你可以选择积分形式的绝对误差，或者区间内的最大绝对误差，示例如下：

  (* 积分形式的绝对误差 *)
  error[s2_] := NIntegrate[Abs[wsol[t] - G[s2][t]], {t, 0, 2 \[Pi]}]
  
  (* 区间内的最大绝对误差 *)
  maxError[s2_] := MaxValue[Abs[wsol[t] - G[s2][t]], {t, 0, 2 \[Pi]}]
  

• 执行最小化求解：用FindMinimum寻找使误差最小的s2值，初始猜测可以根据问题经验设置：

  (* 以初始猜测s2=1为例，寻找最小误差对应的参数值 *)
  minResult = FindMinimum[error[s2], {s2, 1}]
  

• 优化数值求解精度：因为\[Epsilon] = 1e-6，Delta[t]是极窄的尖峰，属于刚性问题，建议切换到刚性求解方法并提高精度：

  solw = NDSolve[
      {w''[t] + (w[t] + w[t]^2) w'[t] == f[t], w[0] == 0, w'[0] == 0},
      w,
      {t, 0, 2 \[Pi]},
      Method -> "StiffnessSwitching",
      PrecisionGoal -> 8,
      AccuracyGoal -> 8
  ];
  
  solG = ParametricNDSolve[
      {G''[t] + (G[t] + G[t]^2) G'[t] == s2 Delta[t], G[0] == 0, G'[0] == 0},
      G,
      {t, 0, 2 \[Pi]},
      s2,
      Method -> "StiffnessSwitching",
      PrecisionGoal -> 8,
      AccuracyGoal -> 8
  ];
  

内容的提问来源于stack exchange，提问作者Asatur Khurshudyan