Mean-square random dynamical systems
4
2012
... 为了解决非线性噪音, 本文将使用Kloeden和Lorenz[1]提出的均值随机动力系统的概念, 其中状态空间是平方Bochner空间L^2(\Omega, H), 且H是空间L^2(O) 的子空间. 这样的均值RDS可以由方程(1.1)的唯一解的存在性生成. ...
... 我们回顾均值动力学中的相关概念, 参见文献[1,2]. 如果存在{\cal F} -简单函数序列\xi_n: \Omega\to X使得\|\xi_n-\xi\|_X\to 0 几乎处处成立, 则映射\xi: \Omega\to X 称为{\cal F} - 可测, 并且若\int_\Omega\|\zeta_n-\xi\|_X{\rm d}P\to 0, 则映射\xi是Bochner{\cal F} -可积的. 在这种情况下, Bochner积分被定义为 ...
... 定义2.1[1] 空间L^p(\Omega,{\cal F}_s; X)上的一族算子\Phi=\{\Phi(t,\tau): t\geq 0, \tau\in \mathbb{R} \}被称为一个均值随机动力系统, 如果 ...
... 我们需要以下(均值)后向吸收性, 它比文献[1,2]中通常的(均值)拉回吸收概念更强. ...
Weak pullback attractors for mean random dynamical systems in Bochner spaces
6
2019
... 方程(1.1)的均值RDS的渐进行为可以由文献[2]引入的弱拉回均值吸引子的概念来描述.随之, 文献[3⇓⇓⇓⇓-8]等将其运用到了状态空间是平方Bochner空间的其它方程.特别地, 文献[9]证明了四次Bochner空间中随机NS方程(g=1)的弱拉回均值吸引子的存在性. ...
... 为了建立弱均值吸引子的后向弱紧性概念, 我们将文献[2,8]中的(均值)拉回吸收性加强到后向吸收性, 后者意味着拉回吸收性对过去的时间而言是一致的. 我们证明一个弱紧后向吸收集的存在性就是一个均值弱吸引子的后向弱紧性的判据(参见定理2.1), 另外还给出了一个替代的判定条件. ...
... 我们回顾均值动力学中的相关概念, 参见文献[1,2]. 如果存在{\cal F} -简单函数序列\xi_n: \Omega\to X使得\|\xi_n-\xi\|_X\to 0 几乎处处成立, 则映射\xi: \Omega\to X 称为{\cal F} - 可测, 并且若\int_\Omega\|\zeta_n-\xi\|_X{\rm d}P\to 0, 则映射\xi是Bochner{\cal F} -可积的. 在这种情况下, Bochner积分被定义为 ...
... 定义2.2[2] 一个可适应集{\cal A}(\cdot)被称为均值随机动力系统\Phi的{\mathfrak D} -弱拉回均值吸引子如果 ...
... 我们需要以下(均值)后向吸收性, 它比文献[1,2]中通常的(均值)拉回吸收概念更强. ...
... 注3.1 在引理3.1中, 我们将幂取为2k, 而文献[2,6,7]中的幂为2, 文献[9]中的幂为4. 我们取偶数的原因源于Itô公式的应用, 见下面定理4.1 的证明. ...
Random dynamics of p-Laplacian lattice systems driven by infinite-dimensional nonlinear noise
1
2020
... 方程(1.1)的均值RDS的渐进行为可以由文献[2]引入的弱拉回均值吸引子的概念来描述.随之, 文献[3⇓⇓⇓⇓-8]等将其运用到了状态空间是平方Bochner空间的其它方程.特别地, 文献[9]证明了四次Bochner空间中随机NS方程(g=1)的弱拉回均值吸引子的存在性. ...
Random dynamics of lattice wave matrixs driven by infinite-dimensional nonlinear noise
1
2020
... 方程(1.1)的均值RDS的渐进行为可以由文献[2]引入的弱拉回均值吸引子的概念来描述.随之, 文献[3⇓⇓⇓⇓-8]等将其运用到了状态空间是平方Bochner空间的其它方程.特别地, 文献[9]证明了四次Bochner空间中随机NS方程(g=1)的弱拉回均值吸引子的存在性. ...
Stochastic dynamics of a neural field lattice model with state dependent nonlinear noise
1
2021
... 方程(1.1)的均值RDS的渐进行为可以由文献[2]引入的弱拉回均值吸引子的概念来描述.随之, 文献[3⇓⇓⇓⇓-8]等将其运用到了状态空间是平方Bochner空间的其它方程.特别地, 文献[9]证明了四次Bochner空间中随机NS方程(g=1)的弱拉回均值吸引子的存在性. ...
Dynamics and invariant measures of multi-stochastic sine-Gordon lattices with random viscosity and nonlinear noise
2
2021
... 方程(1.1)的均值RDS的渐进行为可以由文献[2]引入的弱拉回均值吸引子的概念来描述.随之, 文献[3⇓⇓⇓⇓-8]等将其运用到了状态空间是平方Bochner空间的其它方程.特别地, 文献[9]证明了四次Bochner空间中随机NS方程(g=1)的弱拉回均值吸引子的存在性. ...
... 注3.1 在引理3.1中, 我们将幂取为2k, 而文献[2,6,7]中的幂为2, 文献[9]中的幂为4. 我们取偶数的原因源于Itô公式的应用, 见下面定理4.1 的证明. ...
Dynamics of fractional stochastic reaction-diffusion matrixs on unbounded domains driven by nonlinear noise
2
2019
... 方程(1.1)的均值RDS的渐进行为可以由文献[2]引入的弱拉回均值吸引子的概念来描述.随之, 文献[3⇓⇓⇓⇓-8]等将其运用到了状态空间是平方Bochner空间的其它方程.特别地, 文献[9]证明了四次Bochner空间中随机NS方程(g=1)的弱拉回均值吸引子的存在性. ...
... 注3.1 在引理3.1中, 我们将幂取为2k, 而文献[2,6,7]中的幂为2, 文献[9]中的幂为4. 我们取偶数的原因源于Itô公式的应用, 见下面定理4.1 的证明. ...
Dynamics of stochastic reaction diffusion lattice systems driven by nonlinear noise
2
2019
... 方程(1.1)的均值RDS的渐进行为可以由文献[2]引入的弱拉回均值吸引子的概念来描述.随之, 文献[3⇓⇓⇓⇓-8]等将其运用到了状态空间是平方Bochner空间的其它方程.特别地, 文献[9]证明了四次Bochner空间中随机NS方程(g=1)的弱拉回均值吸引子的存在性. ...
... 为了建立弱均值吸引子的后向弱紧性概念, 我们将文献[2,8]中的(均值)拉回吸收性加强到后向吸收性, 后者意味着拉回吸收性对过去的时间而言是一致的. 我们证明一个弱紧后向吸收集的存在性就是一个均值弱吸引子的后向弱紧性的判据(参见定理2.1), 另外还给出了一个替代的判定条件. ...
Weak pullback attractors for stochastic Navier-Stokes matrixs with nonlinear diffusion terms
5
2019
... 方程(1.1)的均值RDS的渐进行为可以由文献[2]引入的弱拉回均值吸引子的概念来描述.随之, 文献[3⇓⇓⇓⇓-8]等将其运用到了状态空间是平方Bochner空间的其它方程.特别地, 文献[9]证明了四次Bochner空间中随机NS方程(g=1)的弱拉回均值吸引子的存在性. ...
... 这里的假定(3.3)式比文献[9](g=1的情况)中给出的稍弱. 然而如果将文献[9]中的例子扩展到加权空间H_g, 能得到满足(3.3)式的\sigma的例子. ...
... 的情况)中给出的稍弱. 然而如果将文献[9]中的例子扩展到加权空间H_g, 能得到满足(3.3)式的\sigma的例子. ...
... 证 由f\in L_{{\rm loc}}^{2k}(\mathbb{R},V^*_g)得f\in L_{{\rm loc}}^{2}( \mathbb{R},V^*_g). 如果u_0\in L^{2}(\Omega, {\cal F}_\tau; H_g) 且噪声的密度\epsilon足够小, 则用文献[9,30]中类似的方法(对于2D-NS模型)可得方程(3.4) 解的存在性和唯一性. ...
... 注3.1 在引理3.1中, 我们将幂取为2k, 而文献[2,6,7]中的幂为2, 文献[9]中的幂为4. 我们取偶数的原因源于Itô公式的应用, 见下面定理4.1 的证明. ...
3
2007
... 在本文中, 我们的首要目标是证明任何偶幂的Bochner空间中弱拉回均值吸引子的存在性. 确切来说,通过两次使用Itô公式[10], 可得解在L^{2k}(\Omega, H) 中是拉回有界的, 其中k\in {\Bbb N}. 此有界性确保了弱拉回均值吸引子{\cal A}(\cdot)的存在性, 也就是指对于任意的s\in \mathbb{R} , {\cal A}(s)在L^{2k}(\Omega, {\cal F}_s; H)中是弱紧和弱拉回吸收的(参考定理4.1). ...
... 正如在文献[10,30]中, 我们假设W是一个在完备加滤概率空间(\Omega, {\cal F}, \{{\cal F}_s\}_{s\in \mathbb{R} }, P) 中的H_0 -值Q-Wiener过程, 其中H_0:=Q^{\frac{1}{2}}H_g, 且Q是H_g上的迹类的正算子. ...
... 如果u_0\in L^{2k}(\Omega, {\cal F}_\tau; H_g)\subset L^{2}(\Omega, {\cal F}_\tau; H_g)(见引理2.1中(i))并且密度\epsilon很小, 则对近似解使用与定理4.1中类似的估计来获得解u\in L^{2k}(\Omega, C([\tau, \tau+T],H_g))\cap L^2(\Omega, L^2(\tau, \tau+T; V_g)). 此外,我们可以使用Burkholder-Davis-Gundy不等式[10]证得 ...
Attractors of asymptotically autonomous quasi-linear parabolic matrix with spatially variable exponents
1
2015
... 对于一般的拉回吸引子或拉回随机吸引子A(\cdot), 所有分支集A(s)位于相同的状态空间H中, 因此A(s)关于时间参数的并集是定义明确的.因此文献[11,12]研究了它的一致紧性, 文献[13⇓⇓-16]研究了前向紧性,文献[17⇓-19]讨论了后向紧性. ...
Asymptotically autonomous multivalued Cauchy problems with spatially variable exponents
1
2017
... 对于一般的拉回吸引子或拉回随机吸引子A(\cdot), 所有分支集A(s)位于相同的状态空间H中, 因此A(s)关于时间参数的并集是定义明确的.因此文献[11,12]研究了它的一致紧性, 文献[13⇓⇓-16]研究了前向紧性,文献[17⇓-19]讨论了后向紧性. ...
Equi-attraction and backward compactness of pullback attractors for point-dissipative Ginzburg-Landau matrixs
1
2018
... 对于一般的拉回吸引子或拉回随机吸引子A(\cdot), 所有分支集A(s)位于相同的状态空间H中, 因此A(s)关于时间参数的并集是定义明确的.因此文献[11,12]研究了它的一致紧性, 文献[13⇓⇓-16]研究了前向紧性,文献[17⇓-19]讨论了后向紧性. ...
Asymptotically autonomous dynamics for parabolic matrix
1
2018
... 对于一般的拉回吸引子或拉回随机吸引子A(\cdot), 所有分支集A(s)位于相同的状态空间H中, 因此A(s)关于时间参数的并集是定义明确的.因此文献[11,12]研究了它的一致紧性, 文献[13⇓⇓-16]研究了前向紧性,文献[17⇓-19]讨论了后向紧性. ...
Regularity, forward-compactness and measurability of attractors for non-autonomous stochastic lattice systems
1
2019
... 对于一般的拉回吸引子或拉回随机吸引子A(\cdot), 所有分支集A(s)位于相同的状态空间H中, 因此A(s)关于时间参数的并集是定义明确的.因此文献[11,12]研究了它的一致紧性, 文献[13⇓⇓-16]研究了前向紧性,文献[17⇓-19]讨论了后向紧性. ...
Asymptotic autonomy of kernel sections for Newton-Boussinesq matrixs on unbounded zonary domains
2
2019
... 对于一般的拉回吸引子或拉回随机吸引子A(\cdot), 所有分支集A(s)位于相同的状态空间H中, 因此A(s)关于时间参数的并集是定义明确的.因此文献[11,12]研究了它的一致紧性, 文献[13⇓⇓-16]研究了前向紧性,文献[17⇓-19]讨论了后向紧性. ...
... 证 如果\gamma\geq\lambda_g\nu, 则(5.2)式明显成立. 假定\gamma<\lambda_g\nu. 通过与文献[16] 类似的方法, 我们有 ...
Pathwise upper semi-continuity of random pullback attractors along the time axis
1
2018
... 对于一般的拉回吸引子或拉回随机吸引子A(\cdot), 所有分支集A(s)位于相同的状态空间H中, 因此A(s)关于时间参数的并集是定义明确的.因此文献[11,12]研究了它的一致紧性, 文献[13⇓⇓-16]研究了前向紧性,文献[17⇓-19]讨论了后向紧性. ...
Backward compact and periodic random attractors for non-autonomous Sine-Gordon matrixs with multiplicative noise
1
2019
... 对于一般的拉回吸引子或拉回随机吸引子A(\cdot), 所有分支集A(s)位于相同的状态空间H中, 因此A(s)关于时间参数的并集是定义明确的.因此文献[11,12]研究了它的一致紧性, 文献[13⇓⇓-16]研究了前向紧性,文献[17⇓-19]讨论了后向紧性. ...
Longtime robustness of pullback random attractors for stochastic magneto-hydrodynamics matrixs
1
2018
... 对于一般的拉回吸引子或拉回随机吸引子A(\cdot), 所有分支集A(s)位于相同的状态空间H中, 因此A(s)关于时间参数的并集是定义明确的.因此文献[11,12]研究了它的一致紧性, 文献[13⇓⇓-16]研究了前向紧性,文献[17⇓-19]讨论了后向紧性. ...
Dynamics of the g-Navier-Stokes matrixs
2
2005
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
... 如在文献[20]中, 设P_g:({\Bbb L}^2(O),\|\cdot\|_g)\rightarrow H_g为g-Lerary投影, 则g-Stokes 算子为 ...
Existence and uniqueness of weak solutions to stochastic 3D Navier-Stokes matrixs with delays
1
2019
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Navier-stokes matrixs on thin 3D domains. I. Global attractors and global regularity of solutions
1
1993
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
三维不可压Navier-Stokes方程组轨道统计解的退化正则性
1
2021
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
三维不可压Navier-Stokes方程组轨道统计解的退化正则性
1
2021
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Random attractors for the two-dimensional stochastic g-Navier-Stokes matrixs
1
2020
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Asymptotic behavior of stochastic g-Navier-Stokes matrixs on a sequence of expanding domains
2
2019
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
... 其中我们使用了g -正交性[25], 即对于所有u\in V_g和v\in {\Bbb H}^1_0(O ), b_g(u, v,v)=0. 将Itô公式作用于(4.4)式有 ...
Hausdorff sub-norm spaces and continuity of random attractors for bi-stochastic g-Navier-Stokes matrixs with respect to tempered forces
1
2023
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Asymptotic compactness and absorbing sets for 2D stochastic Navier-Stokes matrixs on some unbounded domains
1
2006
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Random attractors for the stochastic Navier-Stokes matrixs on the 2D Unit Sphere
1
2018
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Pullback attractors for non-autonomous 2D-Navier-Stokes matrixs in some unbounded domains
1
2006
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Stochastic 2D hydrodynamical type systems: well posedness and large deviations
3
2010
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
... 正如在文献[10,30]中, 我们假设W是一个在完备加滤概率空间(\Omega, {\cal F}, \{{\cal F}_s\}_{s\in \mathbb{R} }, P) 中的H_0 -值Q-Wiener过程, 其中H_0:=Q^{\frac{1}{2}}H_g, 且Q是H_g上的迹类的正算子. ...
... 证 由f\in L_{{\rm loc}}^{2k}(\mathbb{R},V^*_g)得f\in L_{{\rm loc}}^{2}( \mathbb{R},V^*_g). 如果u_0\in L^{2}(\Omega, {\cal F}_\tau; H_g) 且噪声的密度\epsilon足够小, 则用文献[9,30]中类似的方法(对于2D-NS模型)可得方程(3.4) 解的存在性和唯一性. ...
Random attractors for a stochastic hydrodynamical matrix in heisenberg paramagent
1
2011
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Random attractor for a two-dimensional incompressible non-Newtonian fluid with multiplicative noise
1
2011
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Random attractors for stochastic lattice dynamical systems with infinite multiplicative white noise
1
2016
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Random attractors for stochastic porous media matrixs perturbed by space-time linear multiplicative noise
1
2014
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
随机非局部扩散方程的随机吸引子的存在性
1
2017
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
随机非局部扩散方程的随机吸引子的存在性
1
2017
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Existence and continuity of bi-spatial random attractors and application to stochastic semilinear Laplacian matrixs
1
2015
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
A modified proof of pullback attractors in a Sobolev space for stochastic Fitzhugh-Nagumo matrixs
1
2016
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Wong-Zakai approximations and long term behavior of stochastic partial differential matrixs
1
2019
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Regularity of random attractors for a stochastic degenerate parabolic matrixs driven by multiplicative noise
1
2016
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Upper semi-continuity of random attractors for a non-autonomous dynamical system with a weak convergence condition
1
2020
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
Finite fractal dimensions of random attractors for stochastic FitzHugh-Nagumo system with multiplicative white noise
1
2016
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
带可加噪声的非自治随机Boussinesq格点方程的随机吸引子
1
2018
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...
带可加噪声的非自治随机Boussinesq格点方程的随机吸引子
1
2018
... 最后, 值得注意的是确定性2D-g-NS方程似乎是由Roh[20]首次研究的, 它不仅扩展了2D-NS方程(g=1), 而且也在某些方面描述了域O\times(0,g(x))上重要的3D-NS方程[21⇓-23]. 在线性噪声(\sigma是u或独立于u)的特殊情况下, 一般随机吸引子在随机2D-g-NS方程[24⇓-26]以及随机2D-NS方程[27⇓⇓⇓⇓-32]中可得. 如文献[33⇓⇓⇓⇓⇓⇓⇓⇓-42]中这种带有线性噪声的随机(stochastic)方程可以转化为路径随机(random)方程, 而随机(stochastic) 方程(1.1)(带有非线性噪声)却不能转化为路径随机(random)方程. 此时, 得不到通常的随机吸引子, 而只能考虑均值吸引子. ...