Modellazione frazionaria di sistemi dispersivi non lineari: sullo studio comparativo delle equazioni di Whitham–Broer–Kaup usando diverse derivate

Perché le onde con memoria sono importanti

Dalle maree oceaniche agli ingorghi stradali, molti pattern a onda non dipendono solo da ciò che avviene nell’istante presente, ma anche da quanto è accaduto pochi istanti — o periodi molto più lunghi — prima. Questa «memoria» intrinseca si manifesta in fluidi vischiosi o complessi, in materiali ricchi di microstrutture e in sistemi dove l’energia si propaga in modo non convenzionale. Il lavoro dietro questo riassunto sviluppa una lente matematica più raffinata per tali onde in acque poco profonde, con l’obiettivo di descriverne il moto in modo più fedele pur permettendo a ricercatori e ingegneri di ottenere soluzioni precise.

Le acque poco profonde come banco di prova

Gli autori si concentrano su una famiglia di equazioni note come sistema di Whitham–Broer–Kaup (WBK), un modello consolidato per onde lunghe e basse in acque poco profonde. Diversamente da formule più semplici che seguono soltanto la superficie libera, il sistema WBK monitora simultaneamente l’altezza dell’acqua e la velocità orizzontale del flusso, catturando come queste due grandezze interagiscono. Ciò lo rende una descrizione più ricca e realistica del moto ondoso rispetto a molti modelli a singola equazione. Il sistema WBK incorpora anche l’effetto della dispersione — come lunghezze d’onda diverse viaggino a velocità leggermente differenti — che plasma i consueti pattern rotolanti che osserviamo nelle onde costiere.

Aggiungere memoria con strumenti frazionari

Per introdurre la memoria, gli autori sostituiscono le solite derivate temporali nel sistema WBK con derivate «frazionarie». Invece di misurare quanto qualcosa cambia in un singolo istante, le derivate frazionarie mescolano informazioni dal passato recente e remoto, con kernel matematici diversi che descrivono quanto gli eventi passati pesano. Lo studio confronta tre scelte principali: la forma tradizionale di Caputo, che enfatizza la memoria a lungo termine; la forma Caputo–Fabrizio, che usa un kernel esponenziale e privilegia memoria a corto-medio raggio; e la forma Atangana–Baleanu, che introduce una memoria regolare e non singolare tramite la funzione di Mittag–Leffler. Inserendo ciascuna di queste nel sistema WBK, gli autori ottengono una serie di modelli d’onda con intensità e carattere della memoria modulabili.

Una strada ibrida verso equazioni risolvibili

Dotare il sistema WBK di memoria lo rende molto più difficile da risolvere direttamente. Per affrontare questo, gli autori costruiscono un approccio analitico ibrido chiamato Metodo di Decomposizione Sumudu (SDM). Combina una trasformata integrale nota come trasformata di Sumudu con una tecnica che scompone termini non lineari complicati in una serie infinita di pezzi più semplici. La trasformata di Sumudu sposta le equazioni in un nuovo dominio più agevole da manipolare mantenendo la scala temporale originale, e il metodo di decomposizione organizza le interazioni non lineari delle onde in una gerarchia di correzioni. Iterando questa procedura, il metodo produce soluzioni in serie per altezza dell’onda e velocità che convergono rapidamente e non richiedono fitti reticoli numerici o semplificazioni artificiali.

Verificare accuratezza e flessibilità

Per controllare se questo quadro è affidabile e pratico, gli autori lo applicano non solo al sistema WBK completo ma anche a due casi particolari importanti: le equazioni di Boussinesq modificate e le equazioni approssimate per onde lunghe, che descrivono situazioni affini in acque poco profonde. In ogni caso confrontano le soluzioni in serie basate su SDM con soluzioni esatte note e con risultati ottenuti da altri metodi semi-analitici. Su un ampio intervallo di tempo, spazio e valori dell’ordine frazionario, gli errori rimangono estremamente piccoli — spesso molti ordini di grandezza al di sotto degli schemi concorrenti. I grafici mostrano che poche sole somme nella serie (tre negli esempi presentati) sono sufficienti per catturare le caratteristiche principali dell’onda, anche quando l’ordine della memoria è lontano dal valore classico corrispondente all’assenza di memoria. Lo studio dimostra inoltre come la variazione continua dell’ordine frazionario modifichi gradualmente i profili d’onda, collegando comportamenti puramente locali a dinamiche fortemente influenzate dalla memoria.

Cosa significa questo per la modellizzazione di onde reali

In termini pratici, il lavoro offre un modo preciso ma economico per simulare onde in mezzi complessi dove la storia conta, come fluidi viscoelastici o stratificati e altri sistemi dispersivi. Dimostrando che il loro metodo ibrido è stabile, rapidamente convergente ed efficace per varie forme di memoria, gli autori forniscono una cassetta degli attrezzi adattabile a molti altri modelli non lineari d’onda. Pur concentrandosi su condizioni idealizzate e regolari, l’approccio pone le basi per estensioni future a dimensioni superiori, contorni irregolari ed effetti casuali. Per i non specialisti, la conclusione è che disponiamo ora di un «motore» matematico più flessibile per prevedere il comportamento delle onde con memoria, che può contribuire a colmare il divario tra le onde dei manuali e i pattern complessi osservati in natura e nella tecnologia.

Citazione: 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

Parole chiave: calcolo frazionario, onde in acque poco profonde, sistemi dispersivi non lineari, metodi di trasformata integrale, modellizzazione delle onde