Инновационные аналитические методы на основе преобразования Абуда для нелинейных дробных уравнений Бюргерса

Почему новые математические инструменты важны для реальных волн

Многие физические системы — от дорожных заторов и ударных волн в воздухе до течения жидкости в трубах — описываются уравнениями, отслеживающими, как волны сгущаются, распространяются и взаимодействуют. Яркий пример — уравнение Бюргерса. Когда у таких систем есть «память», то есть их текущее состояние зависит от прошлого, обычные уравнения оказываются недостаточными. В этой работе представлены два современных, но эффективных математических инструмента, которые решают задачи с учётом памяти, помогая учёным и инженерам получать точные решения сложных волновых задач, возникающих в физике, технике и даже биологии.

Уравнения с памятью и почему они сложны

Классический анализ использует производные целого порядка для описания изменений. Дробное исчисление расширяет эту идею до нецелых порядков, позволяя уравнениям учитывать долгосрочную память и невлокальные эффекты. Для задач волн и течений это приводит к дробным версиям уравнений Бюргерса и КдВ–Бюргерса, которые лучше отражают действительность, но при этом в значительной степени сложнее в решении. Традиционные численные схемы могут быть медленными, сложными и плохо справляться с сильно нелинейным поведением. Авторы сосредотачиваются на временных дробных формах этих уравнений, используя популярное определение памяти — производную Капуто — и задаются вопросом: можно ли найти быстрые, точные и математически контролируемые способы приближения их решений?

Новый взгляд на преобразования и степенные ряды

Суть работы — применение преобразования Абуда, относительно недавнего аналога классических инструментов, таких как преобразование Лапласа. При применении к дробным уравнениям типа Бюргерса оно сводит исходную задачу к алгебраическим выражениям с очень регулярной степенной структурой. Эта структура устраняет многие сложные свёртки, которые обычно осложняют нелинейные задачи. На этой основе авторы разрабатывают два взаимодополняющих подхода. Метод остаточных дробных степенных рядов на основе преобразования Абуда (ARPSM) представляет преобразованное решение как дробный степенной ряд и систематически подстраивает коэффициенты ряда так, чтобы остаточная ошибка сокращалась управляемым образом. Параллельно метод итерации с преобразованием Абуда (ATIM) сочетает то же преобразование с итеративной схемой коррекции, уточняющей начальное приближение шаг за шагом.

Как строятся методы и как их проверяют

Статья тщательно развивает математические основания, необходимые для формализации этих идей. Авторы доказывают, как производные ведут себя при применении преобразования Абуда, выводят адаптированную версию ряда Тейлора в области преобразования и показывают, как извлекать коэффициенты ряда из пределов на бесконечности. Затем они определяют функции остатка, измеряющие, насколько усечённый ряд удовлетворяет преобразованному уравнению, и доказывают, что эти остатки снижаются по мере добавления членов ряда, обеспечивая сходимость. Приведены оценки погрешности, показывающие, что приближение быстро улучшается с каждым добавленным членом, особенно для умеренных времён и дробных порядков между нулём и единицей. Эта теоретическая структура лежит в основе как ARPSM, так и ATIM и гарантирует, что методы работают не случайно, а по математически обоснованным причинам.

Испытание методов на практике

Чтобы продемонстрировать практичность, авторы применяют оба подхода к двум эталонным задачам: дробному уравнению КдВ–Бюргерса, сочетающему крутизну волны и диссипацию, и дробному уравнению Бюргерса, стандартной модели для удароподобного поведения. В каждом случае выбираются начальные условия и параметры, для которых известно точное решение, что позволяет прямо проверить точность. Для случая КдВ–Бюргерса ATIM достигает чрезвычайно малых ошибок — до порядка одной части на миллиард — используя всего несколько членов ряда, и явно превосходит как ARPSM, так и известный метод гомотопно‑возмущений. Для более простого дробного уравнения Бюргерса ARPSM даёт небольшое преимущество над ATIM. Графики показывают, что по мере приближения дробного порядка к единице оба метода плавно восстанавливают классические решения, тогда как меньшие порядки приводят к более пологим, диффузным профилям волн, отражающим усиленные эффекты памяти.

Что это означает для науки и техники

Проще говоря, исследование показывает, что, выбрав подходящую математическую «оптику» — в данном случае преобразование Абуда в сочетании со степенными рядами или итерацией — исследователи могут укротить уравнения с памятью и по‑прежнему получать чёткие, надёжные прогнозы. Предложенные два метода относительно просты в реализации, избегают чрезмерных вычислительных затрат и дают высокую точность в широком диапазоне тестовых задач. Это делает их перспективными инструментами для моделирования реальных потоков жидкости, волнового движения, транспорта в сложных средах и других систем, где память нельзя игнорировать. Авторы также указывают открытые направления, такие как расширение подхода на более экзотические модели памяти и задачи в пространстве высокой размерности, предполагая, что методы на основе преобразования Абуда могут стать универсальной частью современного арсенала дробного исчисления.

Цитирование: Iqbal, N., Aldhabani, M.S., Haleemzai, I. et al. Innovative Aboodh-based gractional analytical methods for nonlinear Burgers’ partial differential equations. Sci Rep 16, 12602 (2026). https://doi.org/10.1038/s41598-026-41658-1

Ключевые слова: дробное уравнение Бюргерса, преобразование Абуда, ресторанная степенная серия, итеративный аналитический метод, распространение волн