时间分数阶扩散方程的有限差分法

摘要
求解具有α阶 Caputo 时间分数导数的扩散方程时，方程的解𝑢往往在𝑡 = 0的初始层
具有弱奇异性，这使得差分格式的收敛阶从无弱奇异性时的𝑂(𝜏 !"# )下降到有弱奇异性
的𝑂(𝜏 # )。本文基于有限差分算法求解时间分数阶扩散方程，并讨论了α的取值以及网
格划分对收敛阶的影响，当存在弱奇异性时我们可以选取合适的网格划分从而提高差
分格式的收敛阶。同时，本文讨论了解的正则性以及收敛性和一致性。本文还讨论了
多时间分数和二维情形时的收敛阶。在文章的最后，本文给出了四个数值案例。

关键词：分数阶导数、弱奇异性、网格划分
 引言

分数阶导数与经典导数一样拥有悠久的历史，但是直到最近几十年才引起人们的广
泛关注。现如今分数阶微分方程（Fractional Differential Equation, FDE）已经在
基础科学和工程控制中广泛应用，例如在物理学中(Barkai et al., 2000; Klages,
2008; R. L. Magin et al., 2008; Zaslavsky, 2002)、材料学中(Diethelm &
Freed, 1999)、控制理论中(Podlubny, 1999)、生物学中(R. Magin, 2004)和金融学
中(Raberto et al., 2002)等。自然界中存在异常扩散，即扩散相关的随机过程不是
由布朗运动给出的，它们的方差在超扩散情况下可能增长得更快，而在亚扩散情况下
则增长得更慢，且在高斯分布情况下更慢，分数阶导数常被用来模拟这种异常扩散现
象(Li et al., 2011a; Metzler & Klafter, 2000, 2004)。分数动力学方程已被证明
在亚扩散的情况下特别有用(Metzler & Klafter, 2000a)。在 Podlubny(1999)的著作
中已经开发了很多种分析方法来分析分数阶导数，例如傅立叶变换法、拉普拉斯变换
法、梅林变换法和格林函数法等寻求分数阶微分方程的闭合形式解析解，而只有极少
数简单的情况，例如一些线性分数阶微分方程可以获得解析解(Podlubny, 1999; Shen
et al., 2008a)，所以开发高效可靠的分数阶微分方程数值方法具有重要意义。
经典微分方程的数值方法非常丰富，而分数阶微分方程的数值方法则比较有限。一
定程度上，分数阶导数可以看作是经典导数的推广，因此经典微分方程的一些数值方
法可以扩展到分数阶微分方程。然而，不同之处在于，分数阶导数与经典导数相比是
以逐点方式全局定义的，这归因于分数阶微分方程的数值方法和分析，即一致性、收
敛性和稳定性等性质的构建困难，尤其是非线性方法。目前，有几种数值方法可以解
决分数阶微分方程，例如有限差分法、有限元法和谱方法，这些方法在文献中相对少
见(Lin & Xu, 2007; Roop, 2006, 2008; Zheng et al., 2010)，分数阶微分方程的
有限差分法研究非常丰富，并在不断发展。主要是由于有限差分法是一种强有力的工
具，广泛用于解决微分方程以及科学和工程中的分数阶微分方程。同时，有限差分法
的实现简单也易于在计算机程序中实施。
一定程度上，分数阶微分方程可以看作是经典微分方程所对应方法的推广
(Meerschaert et al., 2006; Yuste, 2006)。偏微分方程的数值分析中比较经典的工
具，如冯·诺依曼稳定性分析(Ghazizadeh et al., 2010; Yuste, 2006)、傅立叶分
析方法(C.-M. Chen et al., 2007; Sousa, 2009)和能量方法(Gao & Sun, 2011;
Zhuang et al., 2008)，可以扩展到分数阶偏微分方程的情况。由于分数阶算子的非
局部性和弱奇异性（弱奇异性指对于方程的解𝑢在𝑡 → 0$ 时|𝜕𝑢/𝜕𝑡| → ∞），与经典方
程组所对应的方法相比，分数阶微分方程数值方法的计算成本和存储成本更高。为了
克服这些困难，采用了一些技术来减少推导方法的计算成本和存储，如短内存原理
(Deng, 2007; Diethelm & Freed, 1999)，Richard 外推(Diethelm & Walz, 1997;
Tadjeran & Meerschaert, 2007; Yuste, 2006)以及将高维问题转换为单独一维问题
的高阶方法和 ADI 方法(Q. Liu et al., 2009; Meerschaert et al., 2006;
Tadjeran & Meerschaert, 2007)和(Ford & Simpson, 2001; Wang et al., 2010)。
同时，分数阶可能随时间或空间而变化，这是另一个快速发展的领域，它涉及变量和
分布阶分数运算符(Lorenzo & Hartley, 2002)。Li&Zeng(2012)为解决此类分数阶偏
微分方程，提出了一些有效的数值方法，最近的研究有分布式顺序(Alikhanov, 2015;
Bu et al., 2017; H. Chen et al., 2016; Gao et al., 2015; Gao & Sun, 2016;
Hu et al., 2016; Jin, Lazarov, Sheen, et al., 2016; Morgado & Rebelo, 2015;
Ye et al., 2015)、可变顺序(Zeng et al., 2015; Zhao et al., 2015)。
本文结构如下：第二章中介绍了 Riemann-Liouville 和 Caputo 导数以及分数阶偏
微分方程分类的几种定义；在第三章中本文讨论了当𝛼 ∈ (0,1)时具有α阶 Caputo 时间
导数的反应扩散问题。这类问题的解在初始时间𝑡 = 0附近通常具有弱奇异性，本文探
讨了这种弱奇异性如何影响差分格式的收敛阶，并分析了均匀网格和时间等级网格如
何影响差分格式的收敛阶。同时本文还讨论了多时间分数和二维情形时的收敛阶。在
第四章中本文给出了数值案例以佐证文章中的结论。
 预备知识

第一节 分数偏微分方程的分类

对于不同的分数微分模型，其存在着各种计算研究。为了清楚地展示计算算法，我
们需要根据物理意义对分数阶偏微分方程进行了以下分类。Uchaikin(2013)将流行的
理论物理微分方程以下形式进行分类：

∂% 𝑓(𝑥, 𝑡) ∂& 𝑓(𝑥, 𝑡)

𝑎 + 𝑏 = 𝐹. (2.1)
∂𝑡 % ∂𝑥 &
其中𝑥, 𝑡是空间变量和时间变量，𝑎, 𝑏, 𝐹都是𝑥, 𝑡的函数，𝑚, 𝑛 = 0,1,2, …取整数。
表 2.1 方程(2.1)的分类
𝑚, 𝑛 一维方程 三维方程 物理意义 数学类型

𝑑𝑓 𝑑𝒇
1,0 |𝑎| + 𝑏𝑓 = 𝐹 |𝑎| + 𝑏𝒇 = 𝐹 阻尼运动 ——
𝑑𝑡 𝑑𝑡

𝑑! 𝑓 𝑑! 𝒓
2,0 |𝑎| + 𝑏𝑓 = 𝐹 |𝑎| + 𝑏𝒓 = 𝐹 震荡 ——
𝑑𝑡 ! 𝑑𝑡 !

∂𝑓 ∂(𝑏𝑓) 𝜕𝑓
1,1 |𝑎| + =𝐹 |𝑎| + ∇(𝐛f) = 𝐹 连续的 ——
∂𝑡 ∂𝑥 𝜕𝑡

∂𝑓 ∂! 𝑓 𝜕𝑓
1,2 |𝑎| − |𝑏| ! = 𝐹 |𝑎| − |𝑏|∇! 𝑓 = 𝐹 扩散 抛物型
∂𝑡 ∂𝑥 𝜕𝑡

𝑑2 𝑓 𝜕!𝑓 𝑑2 𝑓
2,2 |𝑎| − |𝑏| =𝐹 |𝑎| − |𝑏|∇! 𝑓 = 𝐹 波动 双曲型
𝑑𝑡2 𝜕𝑥 ! 𝑑𝑡2

𝜕!𝑓
0,2 𝑎f + 𝑏 =𝐹 𝑎𝑓 + 𝑏∇! 𝑓 = 𝐹 静态域 椭圆型
𝜕𝑥 !
#/"
∂! 𝑓 ∂"
𝑎 ! + 𝑏 ' ") 𝑓=𝐹 𝜕" 𝑓
非整型时 ∂𝑡 ∂𝑥 𝑎 + 𝑏∆#/% 𝑓 = 𝐹 —— ——
𝜕𝑡"
𝑡 > 0, −∞ < 𝑥 < ∞
 然而，我们可以发现表 2.1 最后一行中信息是缺失的。下面我们将补充满它，一般
来说偏微分方程分为三类：抛物型、双曲型和椭圆型。首先，我们考虑时间分数阶偏
微分方程：

𝑑" 𝑢
= ∆𝑢. (2.2)
𝑑𝑡 "

时间分数导数通常是 Caputo 意义上的，根据α的取值，在表(2.2)中给出了分类：

表 2.2 方程(2.2)的分类
α 数学类型 物理意义

(0,1) 时间分数阶抛物方程 时间亚扩散

1 抛物型方程 扩散

(1,2) 时间分数阶双曲型方程 时间超扩散

2 双曲型方程 波动

其次，我们考虑空间分数阶偏微分方程：

𝑑𝑢 𝜕# 𝑢
= . (2.3)
𝑑𝑡 𝜕|𝑥|#

其中，空间分数导数通常为 Riemann-Liouville 意义或 Riesz 意义(Li & Zeng,

2015):
表 2.3 方程(2.3)的分类
β 数学类型 物理意义

(0,1) 空间分数阶双曲型方程 分数平流

1 双曲型方程 平流

(1,2) 空间分数阶抛物方程 分数扩散

2 抛物型方程 扩散

最后，我们考虑时间、空间分数阶偏微分方程：
𝛽
𝑑& 𝑢 𝜕 𝑢
&
= . (2.4)
𝑑𝑡 𝜕|𝑥|𝛽

其中时间导数是 Caputo 意义上的，空间导数是 Riesz 意义上的(表 2.4):

 表 2.4 方程(2.4)的分类
α 𝛽 数学类型 物理意义

(0,1) 时空分数阶双曲型方程 时间亚扩散和分数平流

(0,1)
(1,2) 时空分数阶抛物方程 时间亚扩散和分数扩散

(0,1) 时空分数阶抛物方程 时间超扩散和分数平流

(1,2)
(1,2) 时空分数阶双曲型方程 时间超扩散和分数扩散

第二节 时间分数阶导数

首先，介绍一些本文中相关定义：
定义 2.1：给定函数𝑢(𝑡), 𝑡 ∈ (𝑎, 𝑏)的左、右分数阶积分或 Riemann-Liouville 积分
(α > 0)定义为:
)
"# #
1
𝐷',) 𝑢(𝑡) = *+ 𝐷,,) 𝑢(𝑡) = J   (𝑡 − 𝑠)#"- 𝑢(𝑠)𝑑𝑠.
Γ(𝛼) '

和
.
"# #
1
𝐷),. 𝑢(𝑡) = *+ 𝐷),. 𝑢(𝑡) = J   (𝑠 − 𝑡)#"- 𝑢(𝑠)𝑑𝑠.
𝛤(𝛼) )

其中，𝛤(∙)是 Euler 的 gamma 函数。

定义 2.2：给定函数𝑢(𝑡), 𝑡 ∈ (𝑎, 𝑏)的左右 Riemann–Liouville 导数(𝛼 > 0)定义
为：

#
𝑑% "(%"#) 1 𝑑𝑛 )
*+ 𝐷,,) 𝑢(𝑡) = % P𝐷',) 𝑢(𝑡)Q = J   (𝑡 − 𝑠)%"#"- 𝑢(𝑠)𝑑𝑠.
𝑑𝑡 𝛤(𝑚 − 𝛼) 𝑑𝑡 '
𝑛

# %
𝑑% "(%"#) (−1)% 𝑑𝑛 .
*+ 𝐷),. 𝑢(𝑡) = (−1) P𝐷 𝑢(𝑡)Q = J   (𝑠 − 𝑡)%"#"- 𝑢(𝑠)𝑑𝑠.
𝑑𝑡 % ),. 𝛤(𝑚 − 𝛼) 𝑑𝑡𝑛 )

其中 m 是正整数且𝑚 − 1 ≤ α ≤ 𝑚.
定义 2.3: 给定函数𝑢(𝑡), 𝑡 ∈ (𝑎, 𝑏)的左右 Caputo 导数(𝛼 > 0)定义为：
)
# "(%"#) (%) 1
1 𝐷',) 𝑢(𝑡) = 𝐷',) S𝑢 (𝑡)T = J   (𝑡 − 𝑠)%"#"- 𝑢% (𝑠)𝑑𝑠.
𝛤(𝑚 − 𝛼) '

和
 (−1)% .
# % "(%"#) (%) (𝑡)T
1 𝐷),. 𝑢(𝑡) = (−1) 𝐷),. S𝑢 = J   (𝑠 − 𝑡)%"#"- 𝑢% (𝑠)𝑑𝑠.
𝛤(𝑚 − 𝛼) )

其中 m 是正整数且𝑚 − 1 ≤ 𝛼 ≤ 𝑚.
对于α ∈ (0,1)，较常用的是 Riemann-Liouville 导数的 L1 格式(Gorenflo &
Mainardi, 1997):

# #
𝑢(0) "#
*+ 𝐷,,) 𝑢(𝑡) = 1 𝐷,,) 𝑢(𝑡) + 𝑡 , 𝛼 ∈ (0,1). (2.5)
Γ(1 − 𝛼)
#
2 𝐷,,) 𝑢(𝑡)在𝑡 = 𝑡& 时的数值近似:
)*+
'"#$
"
1 𝑢(𝑡,-+ ) − 𝑢(𝑡, )
8 𝐶𝐷%,' 𝑢(𝑡):'(' ≈ ? A   (𝑡) − 𝑠)*" 𝑑𝑠
! Γ(1 − 𝛼) '" Δ𝑡
,(%
)*+ (2.6)
= ?   𝑏)*,*+ D𝑢(𝑡,-+ ) − 𝑢(𝑡, )E.
,(%

#
*+ 𝐷,,) 𝑢(𝑡)在𝑡 = 𝑡& 时的数值近似：
*+,
𝛼 𝑢(0)𝑡𝑛 −𝛼
6 𝑅𝐿𝐷0,𝑡 𝑢(𝑡)7 ≈ + <   𝑏*+-+, >𝑢(𝑡-/, ) − 𝑢(𝑡- )?. (2.7)
()(! Γ(1 − 𝛼)
-).

其中权重𝑏; 定义为：
Δ𝑡 "#
𝑏; = [(𝑘 + 1)-"# − 𝑘-"# ].
Γ(2 − 𝛼)

数值近似(2.7)被称为 L1 格式，具有以下误差估计值(Langlands & Henry, 2005;

Lin & Xu, 2007; Sun & Wu, 2006):
&"-
𝑢(0)𝑡&"# #
Z + [   𝑏&";"- [𝑢(𝑡;$- ) − 𝑢(𝑡; )] − S *+𝐷,,) 𝑢(𝑡)T)<) Z ≤ 𝐶Δ𝑡 !"# . (2.8)
Γ(1 − 𝛼) %
;<,

式中，𝐶是一个仅取决于α和𝑢的常数。
经典的 L1 格式可以扩展到非均匀网格上(Zhang et al., 2014)，如下:
)*+
" ̃ ) − 𝑢(𝑡,̃ )E. (2.9)
8 𝐶𝐷%,' 𝑢(𝑡):'(' ≈ ?   𝑏)*,*+ D𝑢(𝑡,-+
!
,(%

)
1
𝑏,-+ = [(𝑡̃ − 𝑡̃, )+*" − (𝑡̃) − 𝑡̃,-+ )+*" ].
I𝑡, )
Γ(2 − 𝛼)Δ

I𝑡, = 𝑡,-+
其中Δ ̃ − 𝑡̃, .
 时间分数阶扩散方程

第三节 时间分数阶方程与解的正则性

一、 时间分数阶扩散模型

近几年在各种物理问题中，一类具有α阶(𝛼 ∈ (0,1))的分数阶时间导数问题受到了
关注(Jin et al., 2015; Metzler & Klafter, 2000b; Xu, 2010)，下面我们将利用
有限差分算法对该问题进行深入的分析。
考虑初始边值问题:

∂! 𝑢
𝐷)# 𝑢 − 𝑝 + 𝑐(𝑥)𝑢 = 𝑓(𝑥, 𝑡). (3.1𝑎)
∂𝑥 !
(𝑥, 𝑡) ∈ 𝑄 ≔ (0, 𝑙) × (0, 𝑇]

𝑢(0, 𝑡) = 0, 𝑢(𝑙, 𝑡) = 0 𝑡 ∈ (0, 𝑇]

(3.1𝑏)
𝑢(𝑥, 0) = 𝜙(𝑥) 𝑥 ∈ [0, 𝑙]

其中0 < 𝛼 < 1, 𝑝是一个正常数，𝑐 ∈ 𝐶 [0, 𝑙 ], 𝑓 ∈ 𝐶(𝑄g ), 𝑄g ≔ [0, 𝑙 ] × [0, T],时间分数

导数我们使用 Caputo 导数的定义，即：
)
# "(%"#) (%) 1
1 𝐷',) 𝑢(𝑡) = 𝐷',) S𝑢 (𝑡)T = J   (𝑡 − 𝑠)%"#"- 𝑢% (𝑠)𝑑𝑠.
𝛤(𝑚 − 𝛼) '

取𝑚 = 1.有：
)
# #
1 𝜕𝑢(𝑥, 𝑠)
1 𝐷',) 𝑢(𝑡) = 𝐷) 𝑢(𝑡) = J   (𝑡 − 𝑠)"# 𝑑𝑠.
𝛤(1 − 𝛼) ' 𝜕𝑠

Luchko(2012a)证明了(3.1)解的存在唯一性。当𝑢(0, 𝑡) = ϕ+ (𝑡), 𝑢(𝑙, 𝑡) = ϕ* (𝑡)

时，若𝜙+ (𝑡), 𝜙* (𝑡)是光滑的，则可以通过变量的标准线性变换化简成(3.1b)的形式。
许多论文都考虑了在均匀网格上求解(3.1)的有限差分方法(Brunner et al., 2010;
Jin, Lazarov, & Zhou, 2016)。但大多数讨论(3.1)解的论文都忽略了𝑡 = 0时解 u 可
能存在弱奇异性，弱奇异性的存在可能会影响差分格式的收敛阶。
Jin,Lazarov,&Zhou(2016)详细研究了该层对收敛速度的影响。我们将(3.1a)在空
间均匀、时间均匀或等级的网格上进行离散化，其中 Caputo 导数由流行的 L1 格式近
似，而经典有限差分算子用于近似𝑢== . 我们将量化𝑡 = 0时解存在弱奇异性以及网格划
分对解的收敛阶的影响，节点误差以无穷范数测量。

二、 解的正则性分析

本节讨论(3.1)解𝑢的正则性，𝑢在𝑡 = 0时是光滑的，但通常在𝑡 = 0时有某种奇异

行为。一维问题的变量分离与特征值展开−𝑝𝑔>> + 𝑐𝑔 = λ𝑔.
Luchko(2012a)和 Sakamoto,Yamamoto(2011)表明,可以构造一个有限级数，它逐点
满足(3.1)微分方程的解以及初始边界条件。我们需要对(3.1)中的数据进行一些假
设，我们将在类似于(Sakamoto & Yamamoto, 2011)的正则性框架中研究，使用(3.2)
中定义的算子ℒ的分数幂，因为它比(Luchko, 2012b)中只使用ℒ整数幂的方法需要更少
的数据平滑度。设{(𝜆? , 𝜓? ): 𝑖 = 1,2, …}是 SturmLiouville 两点边值问题的特征值和特
征函数
ℒ𝜓? : = −𝑝𝜓?>> + 𝑐𝜓? = 𝜆? 𝜓? on (0, 𝑙), 𝜓? (0) = 𝜓? (𝑙) = 0. (3.2)
其中，要求对所有的𝑖,有q|𝜓? |q! = 1, 𝜆? > 0
@

𝑢(𝑥, 𝑡) = [   S(𝜙, 𝜓? )𝐸#,- (−𝜆? 𝑡 # ) + 𝐽? (𝑡)T𝜓? (𝑥). (3.3)

?<-

其中：
)
𝐽? (𝑡): = J   𝑠 #"- 𝐸#,# (−𝜆? 𝑠 # )𝑓? (𝑡 − 𝑠)𝑑𝑠，𝑓? (𝑡): = (𝑓(⋅, 𝑡), 𝜓? (⋅)).
A<,

广义 Mittag-Leffluer 函数定义如下：
@
𝑧;
𝐸B,C (𝑧): = [   .
Γ(𝜌𝑘 + 𝛽)
;<,

现在(3.3)定义了(3.1)的解，对(3.3)中的项进行逐点微分可以得到解𝑢的各种导
数的系列公式。本文我们将讨论𝑢和𝑢) 级数的收敛性，因为其它导数的论证类似:
根据(Podlubny, 1999)[定理 1.6]，存在一个常数 C，使得:

𝐶
q𝐸B,C (−𝑟)q ≤ , 0 < 𝜌 < 2, 𝛽 ∈ ℝ, 𝑟 ≥ 0. (3.4)
1+𝑟

根据扇形算子理论(Henry, 2006; Sakamoto & Yamamoto, 2011),为每个𝛾 ∈ ℝ定义

了算子ℒ的分数幂ℒ D :
 @
!D
𝐷(ℒ D ): = }𝑔 ∈ 𝐿! (0, 𝑙): [   𝜆? |(𝑔, 𝜓? )|! < ∞•
?<-

例如在 Sobolev 空间表示法中𝐷€ℒ -/!

• = 𝐻,- (0, 𝑙)，所以有：
@ -/!
!D
∥ 𝑔 ∥ℒ & : = „[   𝜆? |(𝑔, 𝜓? )|! … .
?<-
假设𝜙 ∈ 𝐷€ℒ -/! •, 𝑓(∙, 𝑡) ∈ 𝐷€ℒ -/! •对𝑡 ∈ [0, 𝑇]有q|𝑓(∙, 𝑡)|qℒ '/( ≤ 𝐶,结合(3.3)(3.4),
以及|𝜓? (𝑥)| ≤ 𝐶,我们有：
@ @
#)
[   q(𝜙, 𝜓? )𝐸#,- (−𝜆? 𝑡 𝜓? (𝑥)q ≤ 𝐶 [   |(𝜙, 𝜓? )|
?<- ?<-
@ -/! @ -/!
1
≤ 𝐶 „[   … „[   𝜆? |(𝜙, 𝜓? )|! …
𝜆?
?<- ?<-
≤𝐶
因为𝜙 ∈ 𝐷€ℒ -/! •, 𝜆? ≈ 𝑖2 (Jeffreys et al., 1999)

- -/!
∑@ @
?<-   |𝑓? (𝑡 − 𝑠)| ≤ ‡∑?<-   G ˆ (∑@ !
?<-   𝜆? 𝑓? (𝑡 − 𝑠))
-/!
≤ 𝐶 for 0 ≤ 𝑠 ≤ 𝑡. (3.5)
)

所以
@ ) @

[   |𝐽? (𝑡)𝜓? (𝑥)| ≤ 𝐶 J   𝑠 #"- [   |𝑓? (𝑡 − 𝑠)|𝑑𝑠 ≤ 𝐶,

?<- A<, ?<-

接下来𝑢(𝑥, 𝑡)对𝑡进行逐项求导
@

− [   S(𝜙, 𝜓? )𝜆? 𝑡 #"- 𝐸#,# (−𝜆? 𝑡 # ) + 𝑡 #"- 𝐸#,# (−𝜆? 𝑡 # )𝑓? (0)
?<- . (3.6)
)
+ J   𝑠 #"- 𝐸#,# (−𝜆? 𝑠 # )𝑓?> (𝑡 − 𝑠)𝑑𝑠‰ 𝜓? (𝑥)
A<,

其中，我们使用标准公式(Luchko, 2012b)[第 154 页，第 2 行]来对𝐸#,- (∙)求导。

下面我们约束(3.6)的第一项：
@ @ -/! @ -/!
1
[   |𝜆? (𝜙, 𝜓? )| ≤ „[   … „[   𝜆H? |(𝜙, 𝜓? )|! … ≤𝐶
𝜆?
?<- ?<- ?<-
所以
@

[   q(𝜙, 𝜓? )𝜆? 𝑡 #"- 𝐸#,# (−𝜆? 𝑡 # )𝜓? (𝑥)q ≤ 𝐶𝑡 #"- . (3.7)

?<-

对于(3.6)第二项，应用(3.4)(3.5)可以得到
 @ @

[   q𝑡 #"- 𝐸#,# (−𝜆? 𝑡 # )𝑓? (0)𝜓? (𝑥)q ≤ 𝐶𝑡 #"- [   |𝑓? (0)| ≤ 𝐶𝑡 #"- . (3.8)
?<- ?<-

最后考虑(3.7)的第三项，我们有∑@ > "B

?<-   |𝑓? (𝑡 − 𝑠)| ≤ 𝐶(𝑡 − 𝑠) ，结合(3.5)我们有：
@ ) ) @

[   Œ𝜓? (𝑥) J   𝑠 #"-

𝐸#,# (−𝜆? 𝑠 # )𝑓?> (𝑡 − 𝑠)𝑑𝑠Œ ≤ 𝐶 J   𝑠 #"-
[   |𝑓?> (𝑡 − 𝑠)|𝑑𝑠
?<- A<, A<, ?<-
) . (3.9)
#"- "B
≤ 𝐶J  𝑠 (𝑡 − 𝑠) 𝑑𝑠
A<,
#"-
≤ 𝐶𝑡
最后结合(3.6)(3.7)(3.8)(3.9),我们得到：
|𝑣) (𝑥, 𝑡)| ≤ 𝐶𝑡 #"- , (𝑥, 𝑡) ∈ 𝑄
定理 3.1(Stynes et al., 2017) 假设𝜙 ∈ 𝐷€ℒ I/! •, 𝑓(∙, 𝑡) ∈ 𝐷€ℒ I/! •, 𝑓) (∙, 𝑡), 𝑓)) (∙, 𝑡)都
属于𝐷€ℒ -/! •对每个𝑡 ∈ (0, 𝑇]有：
∥ 𝑓(⋅, 𝑡) ∥ℒ */( + ∥𝑓) (⋅, 𝑡)∥∥ℒ '/( + 𝑡B ∥𝑓)) (⋅, 𝑡)∥∥ℒ '/( ≤ 𝐶-
对于所有𝑡 ∈ (0, 𝑇]和常数𝜌 < 1，其中𝐶- 是一个独立于 T 的常数。那么(3.1)有唯一的
解𝑢,该解满足(3.1)的初边值条件。

J+ K
•J= + (𝑥, 𝑡)• ≤ 𝐶 , 𝑘 = 0,1,2,3,4. (3.10a)

Jℓ K
• J) ℓ (𝑥, 𝑡)• ≤ 𝐶€1 + 𝑡 #"ℓ • , ℓ = 0,1,2. (3.10b)

(𝑥, 𝑡) ∈ [0, 𝑙] × (0, 𝑇]

第四节 构建差分格式

本节将在空间均匀和时间均匀（或等级）的网格划分上构建问题(3.1)的有限差分
格式的解。设 M 和 N 为正整数，ℎ = 𝑙/𝑀, 𝑥𝑚 = 𝑚ℎ, 𝑚 = 0,1,2, … , 𝑀.
设𝑡& = 𝑇(𝑛/𝑁)M , 𝑛 = 0,1,2, … , 𝑁,𝜏& = 𝑡& − 𝑡&"- 如果𝑟 = 1，则网格是均匀的。最后
得到我们的网格划分{(𝑥% , 𝑡& ): 𝑚 = 0,1,2, … , 𝑀, 𝑛 = 0,1,2, … , 𝑁}.
&
在网格点(𝑥% , 𝑡& )处计算的解𝑢的节点近似值用𝑢% 表示。第二类弱奇异 Volterra 积
分方程的解中出现类似于（3.9b）的弱奇异性，对于这些问题，等级网格比均匀网格
能产生更精确的数值解(Brunner, 2004)。这就是我们选择等级网格的原因，我们稍后
提供的理论和数值结果将证实其有效性。通过标准的二阶离散化近似𝑢== ：
) ) + 𝑢)
𝑢0-+ − 2𝑢0 0*+
𝑢// (𝑥0 , 𝑡) ) ≈ 𝛿/! 𝑢0
)
≔ .
ℎ!

Caputo 分数阶导数𝐷)# 𝑢(𝑡)，可以写成:

&"-
)+-'
1 𝜕𝑢(𝑥% , 𝑠)
𝐷)# 𝑢(𝑥% , 𝑡& ) = [ J   (𝑡& − 𝑠)"# 𝑑𝑠.
Γ(1 − 𝛼) )+ 𝜕𝑠
;<,

由经典 L1 近似值:
&"-
;$- ; )+-'
1 𝑢% − 𝑢%
𝐷N# 𝑢%
&
:= [  J   (𝑡& − 𝑠)"# 𝑑𝑠
Γ(1 − 𝛼) 𝜏;$- A<)+
;<,
&"- (3.11)
;$- ;
1 𝑢% − 𝑢%
= [  [(𝑡& − 𝑡; )-"# − (𝑡& − 𝑡;$- )-"# ].
Γ(2 − 𝛼) 𝜏;$-
;<,

离散(3.1):
&
𝐿O,N 𝑢% : = 𝐷N# 𝑢%
&
− 𝑝𝛿=! 𝑢%
& &
+ 𝑐(𝑥% )𝑢% = 𝑓(𝑥% , 𝑡& )
𝑢,& = 0, 𝑢O
&
= 0 , 0 < 𝑛 ≤ 𝑁. (3.12)
,
𝑢% = 𝜙(𝑥% ) , 0 ≤ 𝑚 ≤ 𝑀
其中1 ≤ 𝑚 ≤ 𝑀 − 1,1 ≤ 𝑛 ≤ 𝑁
数值逼近(3.1)解时误差的界将取决于网格的划分以及参数𝛼。在随后的分析中，
我们将仔细追踪数值方法的收敛阶对𝛼的精确依赖性。假设𝑟 = 1，即网格在空间和时
间上是均匀的且满足(3.10a)(3.10b).

∂! 𝑢
(𝑥 , 𝑡 ) = 𝛿=! 𝑢(𝑥% , 𝑡& ) + 𝑂(ℎ! )
∂𝑥 ! % &
# ( ) # ( ) ( !"# )
𝐷) 𝑢 𝑥% , 𝑡& = 𝐷N 𝑢 𝑥% , 𝑡& + 𝑂 𝜏

定义网格函数：
∥𝑧 & ∥@ : = 𝑚𝑎𝑥  |𝑧%
&| &|
, ∥ 𝑧 ∥@ : = 𝑚𝑎𝑥   𝑚𝑎𝑥  |𝑧%
,P%PO ,P&PN ,P%PO
离散稳定性估计:
𝜏 # Γ(2 − 𝛼)
∥𝑢& ∥@ ≤ ∥𝑢, ∥@ + ∥ 𝑓 ∥@ 𝑛 = 1,2 … , 𝑁. (3.13)
𝑛-"# − (𝑛 − 1)-"#

在(Liu et al., 2012)中证明了𝑐 = 0时的结果，这个结果也很容易扩展到𝑐 ≥ 0.

定理 3.2(Stynes et al., 2017) 在上述光滑度假设下，(3.12)的解满足：
&|
𝑚𝑎𝑥  |𝑢(𝑥% , 𝑡& ) − 𝑢% ≤ 𝐶(ℎ! + 𝜏 !"# ). (3.14)
(=. ,)% )∈RS
 其中𝐶是一个常数。
我们给出了一个数值例子(Example 3.1)来证明(3.13)中的差分格式的收敛阶是
𝑂(𝜏 !"# ).
节点误差的定义：
𝐸O,N : = &|
𝑚𝑎𝑥  |𝑢(𝑥% , 𝑡& ) − 𝑢%
(=. ,)% )∈RS

收敛速度：
𝐸O,N
𝑟𝑎𝑡𝑒O,N = 𝑙𝑜𝑔! ˜ ™
𝐸 !O,!N

Example 3.1 : 取𝑝 = 1, 𝑐 = 0, 𝑙 = π, 𝑇 = 1,选择𝑢(𝑥, 𝑡) = (𝑡 ! + 𝑡 H )𝑠𝑖𝑛𝑥, ∅(𝑥) = 0.

U(!) U(H)
所以𝑓(𝑥, 𝑡) = P2𝑡 !"T U(H"T) + 3𝑡 H"T U(V"T) + 𝑡 ! + 𝑡 H Q 𝑠𝑖𝑛𝑥.

数值结果见表 4.1,结果表明，该方法的收敛阶为𝑂(𝜏 !"# )，随着参数𝛼的增加，节

点的最大误差的大小增加。
表 4.1 Example3.1 的最大节点误差以及收敛阶
𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128 𝑁 = 𝑀 = 256 𝑁 = 𝑀 = 512 𝑁 = 𝑀 = 1024
3.85E-04 1.07E-04 2.98E-05 8.34E-06 2.34E-06
𝛼 = 0.2
1.8471 1.8424 1.8380 1.8340
1.04E-03 3.38E-04 1.10E-04 3.60E-05 1.18E-05
𝛼 = 0.4
1.6237 1.6184 1.6142 1.6110
3.144E-03 1.186E-03 4.481E-04 1.694E-04 6.411E-05
𝛼 = 0.6
1.4064 1.4044 1.4030 1.4020
9.433E-3 4.104E-3 1.786E-3 7.774E-4 3.384E-4
𝛼 = 0.8
1.2005 1.2003 1.2002 1.2001
 图 4.1 Example3.1 解的网格图和𝑥 = π/2时的截面图
Example3.1 的解在𝑡 = 0处并不存在弱奇异性，我们也可以从图 4.2 中看出。

图 4.2 Example3.1 的解对时间的一阶导数𝑢)

下面我们研究一个在𝑡 = 0具有弱奇异性的例子,数值试验表明当解𝑢存在弱奇异性
时收敛阶会下降。
Example3.2 取𝑝 = 1, 𝑐 = 0, 𝑙 = π, 𝑇 = 1,选择𝑢(𝑥, 𝑡) = (𝑡 T + 𝑡 H )𝑠𝑖𝑛𝑥, ∅(𝑥) = 0.所

U(T) U(H)
以𝑓(𝑥, 𝑡) = Pα U(-) + 3𝑡 H"T U(V"T) + 𝑡 T + 𝑡 H Q 𝑠𝑖𝑛𝑥.

数值结果见表 4.2,结果表明，该方法的收敛阶为𝑂(𝜏 # )，随着参数𝛼的增加，节点

的最大误差的大小减少。从数值实验中发现，当存在弱奇异性时差分格式的收敛阶会
降低到α阶。
 表 4.2 Example3.2 的最大节点误差以及收敛阶
𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128 𝑁 = 𝑀 = 256 𝑁 = 𝑀 = 512 𝑁 = 𝑀 = 1024
4.483E-02 4.056E-02 3.655E-02 3.281E-02 2.937E-02
𝛼 = 0.2
0.1445 0.1503 0.1554 0.1600
3.357E-02 2.637E-02 2.055E-02 1.592E-02 1.227E-02
𝛼 = 0.4
0.3483 0.3597 0.3687 0.3758
1.592E-02 1.075E-02 7.209E-03 4.807E-03 3.193E-03
𝛼 = 0.6
0.5659 0.5772 0.5848 0.5899
5.335E-03 3.164E-03 1.856E-03 1.079E-03 6.240E-04
𝛼 = 0.8
0.7539 0.7695 0.7829 0.7896

图 4.2 Example3.2 解的网格图和𝑥 = 𝜋/2时的截面图

因为 Example3.2 的解在𝑡 = 0处存在弱奇异性，我们也可以从图 4.2 中看出。因为
弱奇异性的存在使得收敛阶变成𝑂(𝜏 # )，同时节点误差扩大。对于低阶收敛(例如，α =
0.2)，在达到渐近收敛速度之前，需要非常细的网格。因此，当表 4.2 中的𝛼 = 0.2
时，我们会看到收敛阶缓慢增长到预期的收敛阶。当解存在弱奇异性时我们会考虑使
用等级网格，通过选择最佳适配的𝑟可以将差分格式达到更高的收敛阶，下面我们将分
析等级网格的收敛性。

第五节 稳定性分析

现在我们考虑等级网格(𝑟 ≥ 1)，将 Caputo 导数的离散化(3.11)改写为:

 &"-
𝑑&,- 𝑑&,& 1
𝐷N# 𝑢%
&
= &
𝑢% − ,
𝑢% + &";
[   𝑢% S𝑑&,;$- − 𝑑&,; T,
Γ(2 − 𝛼) Γ(2 − 𝛼) Γ(2 − 𝛼)
;<-

其中

(𝑡& − 𝑡&"; )-"# − (𝑡& − 𝑡&";$- )-"#

𝑑&,; ≔ . (3.15)
𝜏&";$-
𝑑&,- = 𝜏&"T
同时我们很容易得到：
𝑑&,;$- ≤ 𝑑&,; . (3.16)
(1 − 𝛼)(𝑡& − 𝑡&"; )"# ≤ 𝑑&,; ≤ (1 − 𝛼)(𝑡& − 𝑡&";$- )"# . (3.17)
得到我们的差分格式：

𝑑&,- 2𝑝 &
𝑝 & 𝑝 &
• + ! + 𝑐 (𝑥% )ž 𝑢% = ! 𝑢%$- + ! 𝑢%"- + 𝑓(𝑥% , 𝑡& )
Γ(2 − 𝛼) ℎ ℎ ℎ
&"- . (3.18)
1 , &";
+ Ÿ𝑑&,& 𝑢% + [   €𝑑&,; − 𝑑&,;$- •𝑢%
Γ(2 − 𝛼)
;<-

其中𝑚 = 1,2, … , 𝑀 − 1，𝑛 = 1,2 … , 𝑁.

稳定性结果将在一般性框架中呈现，假设：
& &
𝐿O,N 𝑣% = 𝑔% ， 1 ≤ 𝑚 ≤ 𝑀 − 1,1 ≤ 𝑛 ≤ 𝑁
有𝑣,& = 𝑣N& = 0, 𝑚 = 1,2, … , 𝑀 − 1，𝑛 = 1,2 … , 𝑁.
定理 3.3(Liu et al., 2012) 离散格式的解满足：
&"-
&
∥𝑣 ∥@ ≤ 𝜏&# ŸΓ(2 − 𝛼)∥∥𝑔& ∥@ + 𝑑&,& ∥𝑣 , ∥@ + [   €𝑑&,; − 𝑑&,;$- •∥𝑣 &"; ∥@
;<-

其中𝑛 = 1,2 … , 𝑁
定义实数：
&"W
#
𝜃&,& = 1, 𝜃&,W = [   𝜏&"; €𝑑&,; − 𝑑&,;$- •𝜃&";,W
;<-
定理 3.4(Stynes et al., 2017) 离散格式的解满足：
&

∥𝑣 & ∥@ ≤ ∥𝑣 , ∥@ + 𝜏&# Γ(2 − 𝛼) [   𝜃&,W ∥𝑔 W ∥@

W<-

其中𝑛 = 1,2 … , 𝑁
定理 3.5(Stynes et al., 2017) 假设对于𝑛 = 1,2 … , 𝑁参数β满足β ≤ 𝑟𝑎，我们有：
 &
𝑇 # 𝑁 "C
𝜏&# [ 𝑗 "C
𝜃&,W ≤
1−𝛼
W<-

结合定理 3.3、定理 3.4 我们可以得出如下结果：

&
𝑛# 𝜏 # Γ(2 − 𝛼)
∥𝑣 ∥@ ≤ ∥𝑣 , ∥@ + ∥ 𝑔 ∥@ . (3.19)
1−𝛼
当我们采用均匀网格的划分方式时，(3.19)的结果是不如(3.13)精确的，但是当采
用等级网格时(3.19)便派上了用场。

第六节 有限差分法的误差分析

一、 截断误差

用经典有限差分算子用于近似𝑢== ，其截断误差为：

∂! 𝑢
(𝑥 , 𝑡 ) = 𝛿=! 𝑢(𝑥% , 𝑡& ) + 𝑂(ℎ! )
∂𝑥 ! % &
(𝑥% , 𝑡& ) ∈ 𝑄
Caputo 导数项的截断误差为：
&"-

𝐷N# 𝑢(𝑥% , 𝑡& ) − 𝐷)# 𝑢(𝑥% , 𝑡& ) = [   𝑇&;

;<,
)+-'
1 𝑢(𝑥% , 𝑡;$- ) − 𝑢(𝑥% , 𝑡; ) ∂𝑢
𝑇&; : = J   (𝑡& − 𝑠)"# ¤ − (𝑥 , 𝑠)‰ 𝑑𝑠. (3.20)
Γ(1 − 𝛼) A<)+ 𝜏;$- ∂𝑠 %

𝑘+1 M 𝑘 M
𝜏;$- = 𝑇 ¥ ¦ − 𝑇 ¥ ¦ ≤ 𝐶𝑇𝑁 "M 𝑘 M"-
𝑁 𝑁
其中𝑛 = 0,1, … , 𝑁 , 𝑘 = 0,1, … , 𝑁 − 1
定理 3.6(Stynes et al., 2017) 存在一个常数𝐶对于所有(𝑥% , 𝑡& ),我们有：
|𝐷N# 𝑢(𝑥% , 𝑡& ) − 𝐷)# 𝑢(𝑥% , 𝑡& )| ≤ 𝐶𝑛"%?&{!"#,M#}
&
定理 3.7(Stynes et al., 2017) 差分格式的解𝑢% 满足：
&|
𝑚𝑎𝑥  |𝑢(𝑥% , 𝑡& ) − 𝑢% ≤ 𝐶€ℎ! + 𝑇 # 𝑁 "%?&{!"#,M#} •
(=. ,)% )∈RS

其中𝐶为常数
 ¨O,N 和双
推论 3.8(Stynes et al., 2017) 假设𝑟𝛼 < 2,差分格式(3.10)的全局的近似𝑈
线性差值满足：
¨O,N ∥+ (RS) ≤ 𝐶€ℎ! + 𝑇 # 𝑁 "%?&{!"#,M#} •
∥𝑢 − 𝑈 /

其中𝐶是常数

二、 推广的情形

对于多项时间分数阶方程：

# # ∂! 𝑢
𝐷) ' 𝑢 + 𝐷) ( 𝑢 − = 𝑓(𝑥, 𝑡)
∂𝑥 !
𝑢(0, 𝑡) = 𝑢(𝜋, 𝑡) = 0
𝑢(𝑥, 0) = 0
(𝑥, 𝑡) ∈ 𝑄: = (0, 𝜋) × (0,1]
其中𝑡 ∈ (0,1], 𝑥 ∈ [0, 𝜋],0 < 𝛼! < 𝛼- < 1
&
定理 3.9(Huang et al., 2020) 差分格式的解𝑢% 满足：
&|
𝑚𝑎𝑥  |𝑢(𝑥% , 𝑡& ) − 𝑢% ≤ 𝐶€ℎ! + 𝑇 #' 𝑁 "%?&{!"#' ,M#' } •
(=. ,)% )∈RS

其中𝐶为常数
在二维情况时：

𝐷)# 𝑢 + ℒ𝑢 = 𝑓(𝑥, 𝑡) (𝑥, 𝑡) ∈ Ω × (0, 𝑇]

𝑢(𝑥, 𝑡) = 0 (𝑥, 𝑡) ∈ 𝜕Ω × (0, 𝑇]
𝑢(𝑥, 0) = 𝑢, (𝑥) 𝑥 ∈ Ω
其中Ω ∈ ℝZ (𝑑 = 1,2,3)
Z

ℒ𝑢: = [   ª− ∂=+ €𝑎; (𝑥) ∂=+ 𝑢• + 𝑏; (𝑥) ∂=+ 𝑢« + 𝑐(𝑥)𝑢

;<-
定理 3.10(Kopteva, 2019) 假设∥∂[) 𝑢(⋅, 𝑡)∥+ (\) ≲ 1 + 𝑡 #"[ , 𝑙 = 1,2, 𝑡 ∈ [0, 𝑇] 且
/

∥∥∂[=+ 𝑢(⋅, 𝑡)∥∥ ≲ 1, 𝑙 = 3,4, 𝑘 = 1, … , 𝑑有：

+ / (\)

∥𝑢(⋅, 𝑡% ) − 𝑈 % ∥@;\ ≲ 𝑀"%?&{#M,!"#} + 𝑡%

# !
ℎ , 𝑚 = 1, … , 𝑀
0

若当𝑟 = 1时有：
∥𝑢(⋅, 𝑡% ) − 𝑈 % ∥@;\ ≲ 𝑡%
#"- "- # !
𝑀 + 𝑡% ℎ , 𝑚 = 1, … , 𝑀
0
 数值实验

第三章第二节中我们提到，当解𝑢在𝑡 = 0处存在弱奇异性时，差分格式的收敛阶就
会从𝑂(𝜏 !"T )下降到𝑂(𝜏 T ).为了克服弱奇异性所带来的问题，结合定理 3.7，我们可以
采取时间尺度上不同的网格划分以提高差分格式的收敛阶。在本节我们将通过四个数
值案例来说明α的取值、网格的划分对收敛阶的影响。
&
𝐿O,N 𝑢% : = 𝐷N# 𝑢%
&
− 𝑝𝛿=! 𝑢%
& &
+ 𝑐(𝑥% )𝑢% = 𝑓(𝑥% , 𝑡& )
𝑢,& = 0, 𝑢O
&
= 0 , 0 < 𝑛 ≤ 𝑁. (3.12)
,
𝑢% = 𝜙(𝑥% ) , 0 ≤ 𝑚 ≤ 𝑀
下面所有数值案例的节点误差和收敛速度的定义如下：
节点误差的定义：
𝐸O,N : = &|
𝑚𝑎𝑥  |𝑢(𝑥% , 𝑡& ) − 𝑢%
(=. ,)% )∈RS

收敛速度：
𝐸O,N
𝑟𝑎𝑡𝑒O,N = 𝑙𝑜𝑔! ˜ !O,!N ™
𝐸

Example4.1：

取𝑝 = 1, 𝑐 = 0, 𝑙 = π, 𝑇 = 1,选择𝑢(𝑥, 𝑡) = (𝑡 T + 𝑡 H )𝑠𝑖𝑛𝑥, ∅(𝑥) = 0.所以𝑓(𝑥, 𝑡) =

U(T) U(H)
Pα U(-) + 3𝑡 H"T U(V"T) + 𝑡 T + 𝑡 H Q 𝑠𝑖𝑛𝑥.

表 4.1.1 𝑟 = (2 − α)/(2α)时 Example4.1 的最大误差和收敛阶

𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128 𝑁 = 𝑀 = 256 𝑁 = 𝑀 = 512 𝑁 = 𝑀 = 1024
3.356E-03 1.817E-03 9.788E-04 5.261E-04 2.824E-04
𝛼 = 0.2
0.8854 0.8922 0.8958 0.8977
7.207E-03 4.195E-03 2.428E-03 1.401E-03 8.066E-04
𝛼 = 0.4
0.7808 0.7888 0.7936 0.7963
1.075E-02 6.740E-03 4.195E-03 2.601E-03 1.608E-03
𝛼 = 0.6
0.6741 0.6939 0.6900 0.6938
 1.100E-02 7.483E-03 5.028E-03 3.356E-03 2.237E-03
𝛼 = 0.8
0.5558 0.5735 0.5833 0.5853

表 4.1.2 𝑟 = (2 − α)/(α)时 Example4.1 的最大误差和收敛阶

𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128 𝑁 = 𝑀 = 256 𝑁 = 𝑀 = 512 𝑁 = 𝑀 = 1024
4.690E-03 1.673E-03 6.810E-04 3.678E-04 2.935E-04
𝛼 = 0.2
1.4874 1.2967 0.8888 0.3253
4.145E-03 1.455E-03 5.011E-04 1.705E-04 5.752E-05
𝛼 = 0.4
1.5108 1.5375 1.5554 1.5676
5.119E-03 1.980E-03 7.601E-04 2.904E-04 1.106E-04
𝛼 = 0.6
1.3705 1.3812 1.3880 1.3923
7.984E-03 3.473E-03 1.510E-03 6.563E-04 2.853E-04
𝛼 = 0.8
1.2009 1.2017 1.2021 1.2021

表 4.1.3 𝑟 = 2(2 − α)/(α)时 Example4.1 的最大误差和收敛阶

𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128 𝑁 = 𝑀 = 256 𝑁 = 𝑀 = 512 𝑁 = 𝑀 = 1024
1.208E-02 4.538E-03 1.658E-03 6.784E-04 3.673E-04
𝛼 = 0.2
1.4129 1.4525 1.2889 0.8854
1.072E-02 3.940E-03 1.399E-03 4.855E-04 1.661E-04
𝛼 = 0.4
1.4444 1.4943 1.5263 1.5473
1.225E-02 4.867E-03 1.901E-03 7.343E-04 2.817E-04
𝛼 = 0.6
1.3312 1.3564 1.3722 1.3822
1.696E-02 7.501E-03 3.296E-03 1.443E-03 6.300E-04
𝛼 = 0.8
1.1771 1.1864 1.1920 1.1953
观察上述数值结果不难发现，对应不同的网格划分收敛阶符合定理 3.7。当α确定
时，若两种网格划分都能达到最大的收敛阶，此时我们选择𝑟取值最小的划分，因为此
时达到理论最大收敛阶的速度最快,例如当α = 0.8，𝑟 = (2 − α)/(α)时在𝑁 = 𝑀 = 64
就达到了理论收敛阶 1.2，而𝑟 = 2(2 − α)/(α)时在𝑁 = 𝑀 = 512时只是接近理论收敛
阶。同时我们还发现当网格在时间方向划分的越来越细时，α = 0.2的情况下收敛阶并
不稳定。
下面我们考虑双时间分数导数模型：
 # # ∂! 𝑢
𝐷) ' 𝑢 + 𝐷) ( 𝑢 − = 𝑓(𝑥, 𝑡)
∂𝑥 !
𝑢(0, 𝑡) = 𝑢(𝜋, 𝑡) = 0
𝑢(𝑥, 0) = 0
(𝑥, 𝑡) ∈ 𝑄: = (0, 𝜋) × (0,1]
其中𝑡 ∈ (0,1], 𝑥 ∈ [0, 𝜋],0 < 𝛼! < 𝛼- < 1

Example4.2:

取𝛼! = 0.1,选择𝑢(𝑥, 𝑡) = (𝑡 #' + 𝑡 H )𝑠𝑖𝑛𝑥所以

Γ(𝛼- ) Γ(3) Γ(𝛼- ) Γ(3)
𝑓(𝑥, 𝑡) = ¤𝛼- 𝑡 #' "#( + 3𝑡 H"#( + 𝛼- + 3𝑡 H"#'
Γ(1 + 𝛼- − 𝛼! ) Γ(4 − 𝛼! ) Γ(1) Γ(4 − 𝛼- )

+ 𝑡 #' + 𝑡 H ‰ 𝑠𝑖𝑛𝑥.

表 4.2.1 𝑟 = 1时 Example4.2 的最大误差和收敛阶

𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128 𝑁 = 𝑀 = 256 𝑁 = 𝑀 = 512 𝑁 = 𝑀 = 1024
4.059E-02 3.647E-02 3.271E-02 2.927E-02 2.615E-02
𝛼 = 0.2
0.1541 0.1573 0.1601 0.1628
2.906E-02 2.326E-02 1.845E-02 1.452E-02 1.136E-02
𝛼 = 0.4
0.3215 0.3342 0.3453 0.3549
1.462E-02 1.010E-02 6.885E-03 4.650E-03 3.118E-03
𝛼 = 0.6
0.5337 0.5525 0.5663 0.5763
4.950E-03 3.002E-03 1.781E-03 1.051E-03 6.139E-04
𝛼 = 0.8
0.7218 0.7526 0.7607 0.7763

表 4.2.2 𝑟 = (2 − 𝛼)/(2𝛼)时 Example4.2 的最大误差和收敛阶
𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128 𝑁 = 𝑀 = 256 𝑁 = 𝑀 = 512 𝑁 = 𝑀 = 1024
3.145E-03 1.729E-03 9.428E-04 5.115E-04 2.765E-04
𝛼 = 0.2
0.8636 0.8746 0.8821 0.8873
6.831E-03 4.045E-03 2.369E-03 1.378E-03 7.979E-04
𝛼 = 0.4
0.7561 0.7716 0.7818 0.7883
 1.010E-02 6.453E-03 4.073E-03 2.549E-03 1.586E-03
𝛼 = 0.6
0.6460 0.6640 0.6762 0.6843
1.011E-02 7.037E-03 4.812E-03 3.253E-03 2.182E-03
𝛼 = 0.8
0.5222 0.5483 0.5649 0.5759

表 4.2.3 𝑟 = (2 − 𝛼)/(𝛼)时 Example4.2 的最大误差和收敛阶

𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128 𝑁 = 𝑀 = 256 𝑁 = 𝑀 = 512 𝑁 = 𝑀 = 1024
4.384E-03 1.600E-03 7.017E-04 4.431E-04 3.701E-04
𝛼 = 0.2
1.4545 1.1889 0.6632 0.2596
3.161E-03 1.098E-03 3.746E-04 1.263E-04 4.227E-05
𝛼 = 0.4
1.5256 1.5516 1.5683 1.5793
3.840E-03 1.477E-03 5.642E-04 2.148E-04 8.157E-05
𝛼 = 0.6
1.3786 1.3880 1.3935 1.3966
6.121E-03 2.662E-03 1.157E-03 5.031E-04
𝛼 = 0.8 2.187E-04
1.2011 1.2019 1.2020 1.2019

表 4.2.4 𝑟 = 2(2 − 𝛼)/(𝛼)时 Example4.2 的最大误差和收敛阶

𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128 𝑁 = 𝑀 = 256 𝑁 = 𝑀 = 512 𝑁 = 𝑀 = 1024
1.135E-02 4.287E-03 1.602E-03 6.982E-04 4.273E-04
𝛼 = 0.2
1.4045 1.4204 1.1978 0.7085
8.307E-03 3.017E-03 1.059E-03 3.639E-04 1.234E-04
𝛼 = 0.4
1.4612 1.5104 1.5412 1.5604
9.255E-03 3.655E-03 1.420E-03 5.458E-04 2.086E-04
𝛼 = 0.6
1.3401 1.3645 1.3790 1.3877
1.300E-02 5.740E-03 2.518E-03 1.101E-03 4.802E-04
𝛼 = 0.8
1.1791 1.1886 1.1939 1.1968

观察结果我们同样可以得到上诉结论，即当𝛼确定时，若两种网格划分都能达到最
大的收敛阶，此时我们选择𝑟取值最小的划分，因为此时达到理论最大收敛阶的速度最
快，例如当𝛼 = 0.8，𝑟 = (2 − α)/(α)时在𝑁 = 𝑀 = 64就达到了理论收敛阶 1.2，而𝑟 =
2(2 − α)/(α)时在𝑁 = 𝑀 = 512时只是接近理论收敛阶。同时网格在时间方向划分的越
来越细时，𝛼 = 0.2的情况下收敛阶并不稳定。
 下面我们将模型扩展到二维：

∂! 𝑢 ∂! 𝑢
𝐷)# 𝑢 − 𝑝 ! − 𝑝 ! + 𝑐(𝑥)𝑢 = 𝑓(𝑥, 𝑡).
∂𝑥 ∂𝑦

(𝑥, y, 𝑡) ∈ 𝑄 ≔ (0, 𝑙) × (0, 𝑙) × (0, 𝑇]

𝑢(x, y, 𝑡) = 0 𝑥, 𝑦 ∈ ∂Ω, 0 < t ≤ T

𝑢(𝑥, 𝑦, 0) = 0 𝑥, 𝑦 ∈ Ω

其中𝑥, 𝑦 ∈ Ω ≔ (0, 𝑙) × (0, 𝑙)

Example4.3:

取𝑝 = 1, 𝑐 = 0, 𝑙 = π, 𝑇 = 1,选择𝑢(𝑥, 𝑡) = (𝑡 T + 𝑡 H )𝑠𝑖𝑛𝑥𝑠𝑖𝑛𝑦.所以
Γ(α) Γ(3)
𝑓(𝑥, 𝑡) = ¤α + 3𝑡 H"T + 𝑡 T + 𝑡 H ‰ 𝑠𝑖𝑛𝑥.
Γ(1) Γ(4 − α)

表 4.3.1 𝑟 = 1时 Example4.3 的最大误差和收敛阶

𝑁=𝑀=4 𝑁 = 𝑀 = 16 𝑁 = 𝑀 = 32 𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128
7.069E-02 3.831E-02 3.928E-02 3.731E-02 3.478E-02
𝛼 = 0.2
0.8838 -0.0361 0.0741 0.1015
8.191E-02 4.807E-02 4.259E-02 3.574E-02 2.932E-02
𝛼 = 0.4
0.7689 0.1745 0.2529 0.2858
1.074E-01 3.732E-02 2.911E-02 2.116E-02 1.490E-02
𝛼 = 0.6
1.5252 0.3583 0.4598 0.5061
1.590E-01 5.967E-02 2.376E-02 9.740E-03 5.045E-03
𝛼 = 0.8
1.4141 1.3285 1.2866 0.9490

表 4.3.2 𝑟 = (2 − 𝛼)/(2𝛼)时 Example4.3 的最大误差和收敛阶
𝑁=𝑀=4 𝑁 = 𝑀 = 16 𝑁 = 𝑀 = 32 𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128
1.085E-01 3.741E-02 1.260E-02 5.912E-03 3.285E-03
𝛼 = 0.2
1.5367 1.5702 1.0915 0.8477
1.139E-01 3.666E-02 1.883E-02 1.165E-02 6.990E-03
𝛼 = 0.4
1.6357 0.9609 0.6933 0.7365
 1.170E-01 3.821E-02 2.360E-02 1.582E-02 1.028E-02
𝛼 = 0.6
1.6150 0.6955 0.5767 0.6219
1.390E-01 4.892E-02 1.837E-02 1.428E-02 1.028E-02
𝛼 = 0.8
1.5064 1.4130 0.3631 0.4750

表 4.3.3 𝑟 = (2 − 𝛼)/(𝛼)时 Example4.3 的最大误差和收敛阶

𝑁=𝑀=4 𝑁 = 𝑀 = 16 𝑁 = 𝑀 = 32 𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128
1.179E-01 5.481E-02 2.398E-02 9.242E-03 3.382E-03
𝛼 = 0.2
1.1052 1.1925 1.3756 1.4501
1.542E-01 6.216E-02 2.395E-02 8.803E-03 3.126E-03
𝛼 = 0.4
1.3107 1.3758 1.4442 1.4938
1.745E-01 6.799E-02 2.665E-02 1.035E-02 3.990E-03
𝛼 = 0.6
1.3599 1.3515 1.3636 1.3760
2.009E-01 8.152E-02 3.446E-02 1.479E-02 6.386E-03
𝛼 = 0.8
1.3012 1.2423 1.2204 1.2114

表 4.3.4 𝑟 = 2(2 − 𝛼)/(𝛼)时 Example4.3 的最大误差和收敛阶

𝑁=𝑀=4 𝑁 = 𝑀 = 16 𝑁 = 𝑀 = 32 𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128
1.080E-01 6.552E-02 4.129E-02 2.059E-02 8.506E-03
𝛼 = 0.2
0.7211 0.6661 1.0038 1.2755
1.798E-01 9.968E-02 4.837E-02 2.044E-02 7.901E-03
𝛼 = 0.4
0.8511 1.0433 1.2427 1.3713
2.451E-01 1.196E-01 5.423E-02 2.304E-02 9.374E-03
𝛼 = 0.6
1.0344 1.1416 1.2352 1.2972
3.038E-01 1.428E-01 6.611E-02 2.996E-02 1.337E-02
𝛼 = 0.8
1.0891 1.1109 1.1418 1.1646
由于算力限制,对于𝑀的取值，本文只能取到𝑀 = 128，不难发现收敛阶在𝑁, 𝑀取
值越来越大时会越来越接近理论收敛阶。同时当𝛼确定时，若两种网格划分都能达到最
大的收敛阶，此时我们选择在𝑟最小的划分，因为此时达到理论最大收敛阶的速度最
快。我们也不难发现𝛼越小，收敛到理论收敛阶的速度越慢。
 同样我们考虑双时间分数导数二维时的模型：

Example4.4:

取𝛼! = 0.1,选择𝑢(𝑥, 𝑡) = (𝑡 #' + 𝑡 H )𝑠𝑖𝑛𝑥𝑠𝑖𝑛𝑦所以

𝛤(𝛼- ) 𝛤(3) 𝛤(𝛼- ) 𝛤(3)
𝑓(𝑥, 𝑡) = ¤𝛼- 𝑡 #' "#( + 3𝑡 H"#( + 𝛼- + 3𝑡 H"#'
𝛤(1 + 𝛼- − 𝛼! ) 𝛤(4 − 𝛼! ) 𝛤(1) 𝛤(4 − 𝛼- )

+ 2𝑡 #' + 2𝑡 H ‰ 𝑠𝑖𝑛𝑥𝑠𝑖𝑛𝑦.

表 4.4.1 𝑟 = 1时 Example4.4 的最大误差和收敛阶

𝑁=𝑀=4 𝑁 = 𝑀 = 16 𝑁 = 𝑀 = 32 𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128
5.269E-02 4.063E-02 3.978E-02 3.694E-02 3.386E-02
𝛼 = 0.2
0.3748 0.0306 0.1070 0.1257
6.290E-02 4.217E-02 3.724E-02 3.140E-02 2.600E-02
𝛼 = 0.4
0.5767 0.1796 0.2458 0.2727
8.425E-02 3.218E-02 2.566E-02 1.912E-02 1.377E-02
𝛼 = 0.6
1.3884 0.3266 0.4248 0.4735
1.253E-01 4.752E-02 1.899E-02 7.806E-03 4.695E-03
𝛼 = 0.8
1.3991 1.3234 1.2825 0.7335

表 4.4.2 𝑟 = (2 − 𝛼)/(2𝛼)时 Example4.4 的最大误差和收敛阶
𝑁=𝑀=4 𝑁 = 𝑀 = 16 𝑁 = 𝑀 = 32 𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128
9.333E-02 3.427E-02 1.190E-02 5.478E-03 3.087E-03
𝛼 = 0.2
1.4453 1.5258 1.1195 0.8274
9.091E-02 2.975E-02 1.710E-02 1.083E-02 6.639E-03
𝛼 = 0.4
1.6114 0.7992 0.6582 0.7067
9.218E-02 3.043E-02 2.114E-02 1.457E-02 9.683E-03
𝛼 = 0.6
1.5990 0.5252 0.5377 0.5890
1.086E-01 3.872E-02 1.612E-02 1.288E-02 9.497E-03
𝛼 = 0.8
1.4881 1.2642 0.3238 0.4395
 表 4.4.3 𝑟 = (2 − 𝛼)/(𝛼)时 Example4.4 的最大误差和收敛阶
𝑁=𝑀=4 𝑁 = 𝑀 = 16 𝑁 = 𝑀 = 32 𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128
1.036E-01 5.310E-02 2.404E-02 9.328E-03 3.482E-03
𝛼 = 0.2
0.9641 1.1435 1.3655 1.4218
1.265E-01 5.213E-02 2.012E-02 7.351E-03 2.588E-03
𝛼 = 0.4
1.2785 1.3732 1.4527 1.5061
1.393E-01 5.488E-02 2.148E-02 8.306E-03 3.182E-03
𝛼 = 0.6
1.3440 1.3531 1.3708 1.3843
1.591E-01 6.522E-02 2.759E-02 1.182E-02 5.096E-03
𝛼 = 0.8
1.2863 1.2408 1.2228 1.2143
表 4.4.4 𝑟 = 2(2 − 𝛼)/(𝛼)时 Example4.4 的最大误差和收敛阶
𝑁=𝑀=4 𝑁 = 𝑀 = 16 𝑁 = 𝑀 = 32 𝑁 = 𝑀 = 64 𝑁 = 𝑀 = 128
9.295E-02 6.496E-02 4.286E-02 2.149E-02 8.858E-03
𝛼 = 0.2
0.5168 0.5999 0.9959 1.2789
1.492E-01 8.557E-02 4.158E-02 1.742E-02 6.657E-03
𝛼 = 0.4
0.8019 1.0410 1.2553 1.3878
1.971E-01 9.771E-02 4.426E-02 1.869E-02 7.553E-03
𝛼 = 0.6
1.0120 1.1425 1.2437 1.3073
2.406E-01 1.148E-01 5.330E-02 2.413E-02 1.074E-02
𝛼 = 0.8
1.0678 1.1064 1.1434 1.1680
 总结

我们在第二章中介绍了本文内容涉及到的基础概念和基础符号；在第三章中提出时
间分数阶微分方程的初边值问题，然后讨论了解的正则性。随后基于有限差分算法构
建了差分格式，并讨论了其稳定性，最后讨论了差分格式的截断误差，并基于此进行
推广，讨论了多项时间分数以及二维情形下的截断误差；在第四章中，我们展示了四
个数值案例。我们不难发现它们的收敛阶都与理论收敛阶相符合。但同时我们也发现
在𝛼取值很小时（如α = 0.2）会出现异常情况，例如 Example4.1、Example4.2 在α =
0.2时𝑟的取值越大越不容易收敛到理论收敛阶。同时，当𝛼确定时，若两种网格划分都
能达到最大的收敛阶，此时我们选择𝑟取值最小的划分，因为此时达到理论最大收敛阶
的速度最快。遗憾的是对于二维问题，受限于计算机算力我们只能取𝑁 = 𝑀 = 128为
最大值，这使得在α取较小值时我们无法观察到收敛阶达到理论值，但是我们可以看到
收敛阶趋于理论值的趋势。
 参考文献

[1] Alikhanov, A. A. (2015). Numerical methods of solutions of boundary value problems

for the multi-term variable-distributed order diffusion equation. Applied Mathematics and
Computation, 268, 12–22. https://doi.org/10.1016/j.amc.2015.06.045
[2] Barkai, E., Metzler, R., & Klafter, J. (2000). From continuous time random walks to the
fractional Fokker-Planck equation. Physical Review E, 61(1), 132–138.
https://doi.org/10.1103/PhysRevE.61.132
[3] Brunner, H. (2004). Collocation Methods for Volterra Integral and Related Functional
Differential Equations. Cambridge University Press.
https://doi.org/10.1017/CBO9780511543234
[4] Brunner, H., Ling, L., & Yamamoto, M. (2010). Numerical simulations of 2D fractional
subdiffusion problems. Journal of Computational Physics, 229(18), 6613–6622.
https://doi.org/10.1016/j.jcp.2010.05.015
[5] Bu, W., Xiao, A., & Zeng, W. (2017). Finite Difference/Finite Element Methods for
Distributed-Order Time Fractional Diffusion Equations. Journal of Scientific Computing,
72(1), 422–441. https://doi.org/10.1007/s10915-017-0360-8
[6] Chen, C.-M., Liu, F., Turner, I., & Anh, V. (2007). A Fourier method for the fractional
diffusion equation describing sub-diffusion. Journal of Computational Physics, 227(2),
886–897. https://doi.org/10.1016/j.jcp.2007.05.012
[7] Chen, H., Lü, S., & Chen, W. (2016). Finite difference/spectral approximations for the
distributed order time fractional reaction–diffusion equation on an unbounded domain.
Journal of Computational Physics, 315, 84–97. https://doi.org/10.1016/j.jcp.2016.03.044
[8] Deng, W. (2007). Short memory principle and a predictor–corrector approach for
fractional differential equations. Journal of Computational and Applied Mathematics,
206(1), 174–188. https://doi.org/10.1016/j.cam.2006.06.008
[9] Diethelm, K., & Freed, A. D. (1999). On the Solution of Nonlinear Fractional-Order
Differential Equations Used in the Modeling of Viscoplasticity. In F. Keil, W. Mackens,
H. Voß, & J. Werther (Eds.), Scientific Computing in Chemical Engineering II (pp. 217–
224). Springer. https://doi.org/10.1007/978-3-642-60185-9_24
[10] Diethelm, K., & Walz, G. (1997). Numerical solution of fractional order differential
equations by extrapolation. Numerical Algorithms, 16(3), 231–253.
https://doi.org/10.1023/A:1019147432240
[11] Ford, N. J., & Simpson, A. C. (2001). The numerical solution of fractional differential
equations: Speed versus accuracy. Numerical Algorithms, 26(4), 333–346.
https://doi.org/10.1023/A:1016601312158
[12] Gao, G., Sun, H., & Sun, Z. (2015). Some high-order difference schemes for the
distributed-order differential equations. Journal of Computational Physics, 298, 337–359.
https://doi.org/10.1016/j.jcp.2015.05.047
[13] Gao, G., & Sun, Z. (2011). A compact finite difference scheme for the fractional sub-
diffusion equations. Journal of Computational Physics, 230(3), 586–595.
https://doi.org/10.1016/j.jcp.2010.10.007
[14] Gao, G., & Sun, Z. (2016). Two Alternating Direction Implicit Difference Schemes for
Two-Dimensional Distributed-Order Fractional Diffusion Equations. Journal of Scientific
Computing, 66(3), 1281–1312. https://doi.org/10.1007/s10915-015-0064-x
[15] Ghazizadeh, H. R., Maerefat, M., & Azimi, A. (2010). Explicit and implicit finite
difference schemes for fractional Cattaneo equation. Journal of Computational Physics,
229(19), 7042–7057. https://doi.org/10.1016/j.jcp.2010.05.039
[16] Gorenflo, R., & Mainardi, F. (1997). Fractional Calculus. In A. Carpinteri & F. Mainardi
(Eds.), Fractals and Fractional Calculus in Continuum Mechanics (pp. 223–276).
Springer. https://doi.org/10.1007/978-3-7091-2664-6_5
[17] Henry, D. (2006). Geometric Theory of Semilinear Parabolic Equations. Springer.
[18] Hu, X., Liu, F., Turner, I., & Anh, V. (2016). An implicit numerical method of a new
time distributed-order and two-sided space-fractional advection-dispersion equation.
Numerical Algorithms, 72(2), 393–407. https://doi.org/10.1007/s11075-015-0051-1
[19] Huang, C., Liu, X., Meng, X., & Stynes, M. (2020). Error Analysis of a Finite Difference
Method on Graded Meshes for a Multiterm Time-Fractional Initial-Boundary Value
Problem. Computational Methods in Applied Mathematics, 20(4), 815–825.
https://doi.org/10.1515/cmam-2019-0042
[20] Jeffreys, H., Jeffreys, B., & Swirles, B. (1999). Methods of Mathematical Physics.
Cambridge University Press.
[21] Jin, B., Lazarov, R., Pasciak, J., & Zhou, Z. (2015). Error analysis of semidiscrete finite
element methods for inhomogeneous time-fractional diffusion. IMA Journal of Numerical
Analysis, 35(2), 561–582. https://doi.org/10.1093/imanum/dru018
[22] Jin, B., Lazarov, R., Sheen, D., & Zhou, Z. (2016). Error estimates for approximations of
distributed order time fractional diffusion with nonsmooth data. Fractional Calculus and
Applied Analysis, 19(1), 69–93. https://doi.org/10.1515/fca-2016-0005
[23] Jin, B., Lazarov, R., & Zhou, Z. (2016). Two Fully Discrete Schemes for Fractional
Diffusion and Diffusion-Wave Equations with Nonsmooth Data. SIAM Journal on
Scientific Computing, 38(1), A146–A170. https://doi.org/10.1137/140979563
[24] Klages, R. (2008). Anomalous transport: Foundations and applications. Wiley-VCH-
Verl. http://nbn-resolving.de/urn:nbn:de:101:1-2014081314804
[25] Kopteva, N. (2019). Error analysis of the L1 method on graded and uniform meshes for a
fractional-derivative problem in two and three dimensions. Mathematics of Computation,
88(319), 2135–2155. https://doi.org/10.1090/mcom/3410
[26] Langlands, T. A. M., & Henry, B. I. (2005). The accuracy and stability of an implicit
solution method for the fractional diffusion equation. Journal of Computational Physics,
205(2), 719–736. https://doi.org/10.1016/j.jcp.2004.11.025
[27] Li, C., & Zeng, F. (2012). Finite difference methods for fractional differential equations.
International Journal of Bifurcation and Chaos, 22(04), 1230014.
https://doi.org/10.1142/S0218127412300145
[28] Li, C., & Zeng, F. (2015). Numerical Methods for Fractional Calculus. CRC Press.
[29] Li, C., Zhao, Z., & Chen, Y. (2011). Numerical approximation of nonlinear fractional
differential equations with subdiffusion and superdiffusion. Computers & Mathematics
with Applications, 62(3), 855–875. https://doi.org/10.1016/j.camwa.2011.02.045
[30] Lin, Y., & Xu, C. (2007). Finite difference/spectral approximations for the time-fractional
diffusion equation. Journal of Computational Physics, 225(2), 1533–1552.
https://doi.org/10.1016/j.jcp.2007.02.001
[31] Liu, F., Zhuang, P., & Burrage, K. (2012). Numerical methods and analysis for a class of
fractional advection–dispersion models. Computers & Mathematics with Applications,
64(10), 2990–3007. https://doi.org/10.1016/j.camwa.2012.01.020
[32] Liu, Q., Liu, F., Turner, I., & Anh, V. (2009). Numerical simulation for the 3D seepage
flow with fractional derivatives in porous media. IMA Journal of Applied Mathematics,
74(2), 201–229. https://doi.org/10.1093/imamat/hxn044
[33] Lorenzo, C. F., & Hartley, T. T. (2002). Variable Order and Distributed Order Fractional
Operators. Nonlinear Dynamics, 29(1), 57–98. https://doi.org/10.1023/A:1016586905654
[34] Luchko, Y. (2012a). Initial-boundary-value problems for the one-dimensional time-
fractional diffusion equation. Fractional Calculus and Applied Analysis, 15(1), 141–160.
https://doi.org/10.2478/s13540-012-0010-7
[35] Luchko, Y. (2012b). Initial-boundary-value problems for the one-dimensional time-
fractional diffusion equation. Fractional Calculus and Applied Analysis, 15(1), 141–160.
https://doi.org/10.2478/s13540-012-0010-7
[36] Magin, R. (2004). Fractional Calculus in Bioengineering, Part 1. Critical Reviews&trade;
in Biomedical Engineering, 32(1). https://doi.org/10.1615/CritRevBiomedEng.v32.i1.10
[37] Magin, R. L., Abdullah, O., Baleanu, D., & Zhou, X. J. (2008). Anomalous diffusion
expressed through fractional order differential operators in the Bloch–Torrey equation.
Journal of Magnetic Resonance, 190(2), 255–270.
https://doi.org/10.1016/j.jmr.2007.11.007
[38] Meerschaert, M. M., Scheffler, H.-P., & Tadjeran, C. (2006). Finite difference methods
for two-dimensional fractional dispersion equation. Journal of Computational Physics,
211(1), 249–261. https://doi.org/10.1016/j.jcp.2005.05.017
[39] Metzler, R., & Klafter, J. (2000a). The random walk’s guide to anomalous diffusion: A
fractional dynamics approach. Physics Reports, 339(1), 1–77.
https://doi.org/10.1016/S0370-1573(00)00070-3
[40] Metzler, R., & Klafter, J. (2000b). The random walk’s guide to anomalous diffusion: A
fractional dynamics approach. Physics Reports, 339(1), 1–77.
https://doi.org/10.1016/S0370-1573(00)00070-3
[41] Metzler, R., & Klafter, J. (2004). The restaurant at the end of the random walk: Recent
developments in the description of anomalous transport by fractional dynamics. Journal
of Physics A: Mathematical and General, 37(31), R161–R208.
https://doi.org/10.1088/0305-4470/37/31/R01
[42] Morgado, M. L., & Rebelo, M. (2015). Numerical approximation of distributed order
reaction–diffusion equations. Journal of Computational and Applied Mathematics, 275,
216–227. https://doi.org/10.1016/j.cam.2014.07.029
[43] Podlubny, I. (1999). Fractional differential equations an introduction to fractional
derivatives, fractional differential equations, to methods of their solution and some of
their applications. Academic Press.
http://www.sciencedirect.com/science/publication?issn=00765392&volume=198
[44] Raberto, M., Scalas, E., & Mainardi, F. (2002). Waiting-times and returns in high-
frequency financial data: An empirical study. Physica A: Statistical Mechanics and Its
Applications, 314(1–4), 749–755. https://doi.org/10.1016/S0378-4371(02)01048-8
[45] Roop, J. P. (2006). Computational aspects of FEM approximation of fractional advection
dispersion equations on bounded domains in R2. Journal of Computational and Applied
Mathematics, 193(1), 243–268. https://doi.org/10.1016/j.cam.2005.06.005
[46] Roop, J. P. (2008). Numerical approximation of a one-dimensional space fractional
advection–dispersion equation with boundary layer. Computers & Mathematics with
Applications, 56(7), 1808–1819. https://doi.org/10.1016/j.camwa.2008.04.025
[47] Sakamoto, K., & Yamamoto, M. (2011). Initial value/boundary value problems for
fractional diffusion-wave equations and applications to some inverse problems. Journal
of Mathematical Analysis and Applications, 382(1), 426–447.
https://doi.org/10.1016/j.jmaa.2011.04.058
[48] Shen, S., Liu, F., & Anh, V. (2008). Fundamental solution and discrete random walk
model for a time-space fractional diffusion equation of distributed order. Journal of
Applied Mathematics and Computing, 28(1), 147. https://doi.org/10.1007/s12190-008-
0084-x
[49] Sousa, E. (2009). Finite difference approximations for a fractional advection diffusion
problem. Journal of Computational Physics, 228(11), 4038–4054.
https://doi.org/10.1016/j.jcp.2009.02.011
[50] Stynes, M., O’Riordan, E., & Gracia, J. L. (2017). Error Analysis of a Finite Difference
Method on Graded Meshes for a Time-Fractional Diffusion Equation. SIAM Journal on
Numerical Analysis, 55(2), 1057–1079. https://doi.org/10.1137/16M1082329
[51] Sun, Z., & Wu, X. (2006). A fully discrete difference scheme for a diffusion-wave
system. Applied Numerical Mathematics, 56(2), 193–209.
https://doi.org/10.1016/j.apnum.2005.03.003
[52] Tadjeran, C., & Meerschaert, M. M. (2007). A second-order accurate numerical method
for the two-dimensional fractional diffusion equation. Journal of Computational Physics,
220(2), 813–823. https://doi.org/10.1016/j.jcp.2006.05.030
[53] Uchaikin, V. V. (2013). Fractional Derivatives for Physicists and Engineers:
Background and Theory. Springer Berlin Heidelberg Springer e-books Imprint: Springer.
[54] Wang, H., Wang, K., & Sircar, T. (2010). A direct O(Nlog2N) finite difference method
for fractional diffusion equations. Journal of Computational Physics, 229(21), 8095–
8104. https://doi.org/10.1016/j.jcp.2010.07.011
[55] Xu, X. L. and C. (2010). Existence and Uniqueness of the Weak Solution of the Space-
time Fractional Diffusion Equation and a Spectral Method Approximation.
Communications in Computational Physics, 8(5), 1016–1051.
https://doi.org/10.4208/cicp.020709.221209a
[56] Ye, H., Liu, F., & Anh, V. (2015). Compact difference scheme for distributed-order time-
fractional diffusion-wave equation on bounded domains. Journal of Computational
Physics, 298, 652–660. https://doi.org/10.1016/j.jcp.2015.06.025
[57] Yuste, S. B. (2006). Weighted average finite difference methods for fractional diffusion
equations. Journal of Computational Physics, 216(1), 264–274.
https://doi.org/10.1016/j.jcp.2005.12.006
[58] Zaslavsky, G. M. (2002). Chaos, fractional kinetics, and anomalous transport. Physics
Reports, 371(6), 461–580. https://doi.org/10.1016/S0370-1573(02)00331-9
[59] Zeng, F., Zhang, Z., & Karniadakis, G. E. (2015). A Generalized Spectral Collocation
Method with Tunable Accuracy for Variable-Order Fractional Differential Equations.
SIAM Journal on Scientific Computing, 37(6), A2710–A2732.
https://doi.org/10.1137/141001299
[60] Zhang, Y., Sun, Z., & Liao, H. (2014). Finite difference methods for the time fractional
diffusion equation on non-uniform meshes. Journal of Computational Physics, 265, 195–
210. https://doi.org/10.1016/j.jcp.2014.02.008
[61] Zhao, X., Sun, Z., & Karniadakis, G. E. (2015). Second-order approximations for
variable order fractional derivatives: Algorithms and applications. Journal of
Computational Physics, 293, 184–200. https://doi.org/10.1016/j.jcp.2014.08.015
[62] Zheng, Y., Li, C., & Zhao, Z. (2010). A note on the finite element method for the space-
fractional advection diffusion equation. Computers & Mathematics with Applications,
59(5), 1718–1726. https://doi.org/10.1016/j.camwa.2009.08.071
[63] Zhuang, P., Liu, F., Anh, V., & Turner, I. (2008). New Solution and Analytical
Techniques of the Implicit Numerical Method for the Anomalous Subdiffusion Equation.
SIAM Journal on Numerical Analysis, 46(2), 1079–1095.
https://doi.org/10.1137/060673114