Fraktionale Modellierung nichtlinearer dispersiver Systeme: zum vergleichenden Studium der Whitham–Broer–Kaup-Gleichungen unter Verwendung verschiedener Ableitungen

Warum Wellen mit Gedächtnis wichtig sind

Von Ozeanwellen bis zu Stauungen im Straßenverkehr hängen viele wellenartige Muster nicht nur davon ab, was gerade passiert, sondern auch davon, was vor Augenblicken — oder sogar längeren Zeiträumen — geschehen ist. Dieses eingebaute „Gedächtnis“ tritt in viskosen oder komplexen Fluiden, in Materialien mit feinen Strukturen und in Systemen auf, in denen Energie auf ungewöhnliche Weise verteilt wird. Die zugrunde liegende Arbeit entwickelt eine verfeinerte mathematische Linse für solche Wellen im Flachwasser, mit dem Ziel, ihre Bewegung getreuer zu beschreiben und zugleich Forschern und Ingenieuren die Berechnung genauer Lösungen zu ermöglichen.

Flachwasser als Prüfstand

Die Autoren konzentrieren sich auf eine Familie von Gleichungen, die als Whitham–Broer–Kaup-(WBK-)System bekannt ist, ein etabliertes Modell für lange, flache Wellen im Flachwasser. Anders als einfachere Formeln, die nur die Wasseroberfläche verfolgen, beschreibt das WBK-System gleichzeitig sowohl die Wellenhöhe als auch die horizontale Strömungsgeschwindigkeit und fängt so die Wechselwirkung dieser beiden Größen ein. Dadurch bietet es eine reichhaltigere und realistischere Darstellung der Wellenbewegung als viele Ein-Gleichungs-Modelle. Das WBK-System enthält außerdem den Effekt der Dispersion — also dass Wellenlängen unterschiedlich schnell laufen — was die vertrauten rollenden Muster an Küsten prägt.

Gedächtnis hinzufügen mit fraktionalen Werkzeugen

Um Gedächtnis in das Modell einzuführen, ersetzen die Autoren die üblichen zeitlichen Ableitungen im WBK-System durch „fraktionale“ Ableitungen. Anstatt nur zu messen, wie schnell sich etwas in einem einzelnen Augenblick ändert, verknüpfen fraktionale Ableitungen Informationen aus naher und ferner Vergangenheit, wobei unterschiedliche mathematische Kerne beschreiben, wie stark frühere Ereignisse gewichtet werden. Die Studie vergleicht drei gängige Varianten: die klassische Caputo-Form, die Langzeitgedächtnis betont; die Caputo–Fabrizio-Form, die einen exponentiellen Kern mit kurz- bis mittelfristigem Gedächtnis verwendet; und die Atangana–Baleanu-Form, die über die Mittag-Leffler-Funktion ein glattes, nichtsinguläres Gedächtnis einführt. Indem sie jede dieser Formen in die WBK-Gleichungen einsetzen, gewinnen die Autoren eine Reihe von Wellenmodellen mit einstellbarer Gedächtnisstärke und -charakteristik.

Ein hybrider Weg zu lösbaren Gleichungen

Die Ergänzung des WBK-Systems um Gedächtnis macht eine direkte Lösung deutlich schwieriger. Um dem zu begegnen, entwickeln die Autoren einen hybriden analytischen Ansatz, die Sumudu-Zerlegungsmethode (SDM). Diese kombiniert eine Integraltransformation, die als Sumudu-Transformation bekannt ist, mit einer Technik, die komplizierte nichtlineare Terme in eine unendliche Reihe einfacherer Bestandteile zerlegt. Die Sumudu-Transformation verschiebt die Gleichungen in einen neuen Bereich, der sich leichter handhaben lässt, dabei aber die ursprüngliche Zeitskala bewahrt; die Zerlegungsmethode organisiert die nichtlinearen Wechselwirkungen der Wellen in eine Hierarchie von Korrekturen. Durch Iteration dieses Verfahrens erzeugt die Methode Reihenlösungen für Wellenhöhe und Geschwindigkeit, die schnell konvergieren und keine aufwändigen numerischen Gitter oder künstliche Vereinfachungen benötigen.

Genauigkeit und Flexibilität testen

Um zu prüfen, ob dieses Rahmenwerk sowohl verlässlich als auch praktikabel ist, wenden die Autoren es nicht nur auf das vollständige WBK-System an, sondern auch auf zwei wichtige Spezialfälle: die modifizierten Boussinesq-Gleichungen und die approximativen Gleichungen für lange Wellen, die verwandte Flachwasser-Situationen beschreiben. In jedem Fall vergleichen sie die auf SDM basierenden Reihenlösungen mit bekannten exakten Lösungen und mit Ergebnissen anderer semi-analytischer Methoden. Über einen weiten Bereich von Zeit-, Raum- und fraktionalen Ordnungswerten bleiben die Fehler extrem klein — oft viele Größenordnungen unter konkurrierenden Verfahren. Grafiken zeigen, dass bereits wenige Terme in der Reihe (in den gezeigten Beispielen drei) ausreichen, um die wichtigsten Wellenmerkmale zu erfassen, selbst wenn die Gedächtnisordnung weit vom klassischen, gedächtnisfreien Fall entfernt ist. Die Studie demonstriert außerdem, wie eine Veränderung der fraktionalen Ordnung Wellenprofile gleitend verändert und so lokales Verhalten mit stark gedächtnisgetriebener Dynamik verknüpft.

Was das für die Modellierung realer Wellen bedeutet

Einfach gesagt bietet die Arbeit eine präzise und zugleich ökonomische Möglichkeit, Wellen in komplexen Medien zu simulieren, in denen die Vorgeschichte eine Rolle spielt — etwa in viskoelastischen oder geschichteten Fluiden und in anderen dispersiven Systemen. Indem sie zeigen, dass ihre hybride Methode stabil, schnell konvergent und für mehrere Varianten des Gedächtnisses wirksam ist, liefern die Autoren ein Werkzeugset, das an viele andere nichtlineare Wellenmodelle angepasst werden kann. Zwar konzentrieren sich ihre Tests auf idealisierte, glatte Bedingungen, doch der Ansatz schafft die Grundlage für künftige Erweiterungen auf höhere Dimensionen, unregelmäßige Randbedingungen und zufällige Effekte. Für Nichtfachleute lautet die Quintessenz: Wir verfügen nun über einen flexibleren mathematischen "Motor", um das Verhalten von Wellen mit Gedächtnis vorherzusagen — einen, der helfen kann, die Lücke zwischen einfachen Lehrbuchwellen und den komplexen Mustern in Natur und Technik zu schließen.

Zitation: Ahmed, S.A., Shah, R., Mohamed, A. et al. Fractional modeling of nonlinear dispersive systems: on the comparative study of Whitham–Broer–Kaup equations using various derivatives. Sci Rep 16, 10823 (2026). https://doi.org/10.1038/s41598-026-45501-5

Schlüsselwörter: fraktionale Analysis, Flachwasserwellen, nichtlineare dispersive Systeme, Integraltransformationen, Wellenmodellierung