Дробное моделирование нелинейных диспергирующих систем: сравнительное исследование уравнений Уайтама–Броера–Каупа с использованием различных производных

Почему волны с памятью важны

От океанских волн до автомобильных пробок многие волнообразные явления зависят не только от текущего состояния, но и от того, что происходило мгновения — а иногда и длительные отрезки — назад. Такая встроенная «память» проявляется в вязких или сложных жидкостях, в материалах с мелкой структурой и в системах, где энергия распространяется нетипичным образом. Статья, на которую опирается это резюме, развивает уточнённый математический аппарат для подобных волн в мелкой воде, стремясь точнее описать их движение при сохранении практической применимости для исследователей и инженеров.

Мелкая вода как испытательная площадка

Авторы сосредотачиваются на семействе уравнений, известных как система Уайтама–Броера–Каупа (WBK) — хорошо зарекомендовавшей себя модели для длинных невысоких волн в мелкой воде. В отличие от более простых формул, которые отслеживают только поверхность воды, система WBK одновременно описывает и высоту волны, и горизонтальную скорость течения, фиксируя взаимодействие этих двух величин. Это делает её более богатой и реалистичной моделью волнового движения по сравнению со многими одноуравнениями. Система WBK также учитывает дисперсию — то есть то, как волны разной длины распространяются с немного разными скоростями — что формирует знакомые качающиеся узоры прибрежных волн.

Добавление памяти с помощью дробных инструментов

Чтобы ввести эффект памяти, авторы заменяют обычные временные производные в системе WBK «дробными» производными. Вместо оценки мгновенной скорости изменения величины дробные производные смешивают информацию о недавнем и отдалённом прошлом, причём разные математические ядра задают, насколько сильно прошлые события влияют на настоящее. Исследование сравнивает три основных варианта: традиционную форму Капуто, которая подчёркивает долгосрочную память; форму Капуто–Фабрицио с экспоненциальным ядром, отдающим приоритет коротко‑ и среднесрочной памяти; и форму Атангана–Балеану, вводящую гладкую, несингулярную память через функцию Миттага—Лефлера. Подставляя каждую из этих форм в уравнения WBK, авторы получают набор моделей волн с регулируемой силой и характером памяти.

Гибридный путь к решаемым уравнениям

Оснащение системы WBK памятью делает её прямое решение значительно сложнее. Для преодоления этой трудности авторы выстраивают гибридный аналитический подход, называемый методом разложения Сумуду (Sumudu Decomposition Method, SDM). Он сочетает интегральное преобразование, известное как преобразование Сумуду, с техникой разложения сложных нелинейных членов в бесконечный ряд более простых слагаемых. Преобразование Сумуду переводит уравнения в новое пространство, где ими проще оперировать, сохраняя при этом исходную шкалу времени, а метод разложения упорядочивает нелинейные взаимодействия волн в иерархию поправок. Итеративно применяя эту процедуру, метод даёт рядные решения для высоты волны и скорости, которые быстро сходятся и не требуют тяжёлой численной сетки или искусственных упрощений.

Проверка точности и гибкости

Чтобы оценить надёжность и практичность предложенной схемы, авторы применяют её не только к полной системе WBK, но и к двум важным частным случаям: модифицированным уравнениям Буссинеска и приближённым уравнениям для длинных волн, описывающим родственные ситуации в мелкой воде. В каждом случае они сравнивают рядные решения, полученные с помощью SDM, с известными точными решениями и результатами других полуаналитических методов. В широком диапазоне временных, пространственных и дробностных параметров погрешности остаются исключительно малы — часто на многие порядки ниже, чем у конкурирующих схем. Графики показывают, что всего несколько членов ряда (в приведённых примерах — три) достаточно для захвата ключевых особенностей волны, даже когда порядок дробности сильно отличается от классического значения, соответствующего отсутствию памяти. Работа также демонстрирует, как плавное изменение дробного порядка трансформирует профиль волны, связывая чисто локальное поведение с динамикой, управляемой памятью.

Что это значит для моделирования реальных волн

Проще говоря, работа предлагает точный и экономный способ моделирования волн в сложных средах, где имеет значение прошлое, таких как вязкоупругие или слоистые жидкости и другие диспергирующие системы. Демонстрируя, что их гибридный метод устойчив, быстро сходится и эффективен для нескольких вариантов памяти, авторы предоставляют набор инструментов, который можно адаптировать к многим другим нелинейным волновым моделям. Хотя тесты сосредоточены на идеализированных гладких условиях, подход закладывает основу для будущих расширений на более высокие размерности, неровные границы и случайные эффекты. Для неспециалиста главный вывод таков: у нас теперь есть более гибкий математический «движок» для предсказания поведения волн с памятью, который может помочь сократить разрыв между простыми учебными моделями и сложными узорами, встречающимися в природе и технике.

Цитирование: 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

Ключевые слова: дробное исчисление, волны мелкой воды, нелинейные диспергирующие системы, методы интегрального преобразования, моделирование волн