{"id":898,"date":"2026-07-30T12:23:18","date_gmt":"2026-07-30T12:23:18","guid":{"rendered":"https:\/\/matforge.org\/?p=898","raw":"https:\/\/matforge.org\/?p=898"},"modified":"2026-07-30T12:23:18","modified_gmt":"2026-07-30T12:23:18","slug":"conservation-properties-in-discretization-ensuring-mass-and-energy-balance","status":"publish","type":"post","link":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/","title":{"rendered":"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz","raw":"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz"},"content":{"rendered":"<span class=\"span-reading-time rt-reading-time\" style=\"display: block;\"><span class=\"rt-label rt-prefix\">Reading Time: <\/span> <span class=\"rt-time\"> 10<\/span> <span class=\"rt-label rt-postfix\">minutes<\/span><\/span><p><strong>tl; dr <\/strong><\/p>\n<ul>\n<li><strong>Local Conservation<\/strong> wird durch die Konsistenz des FVM-Flusses garantiert; FEM und DG m\u00fcssen Fl\u00fcsse sorgf\u00e4ltig auslegen.<\/li>\n<li>Der Aufwind erster Ordnung erh\u00f6ht die k\u00fcnstliche Viskosit\u00e4t &#8211; <strong> Bei CFL = 1 verschwindet es <\/strong>, ein \u00fcberraschendes Ergebnis, das die meisten Praktizierenden verpassen.<\/li>\n<li>Das RDG (P0P1) von Moose mit Flussbegrenzung reduziert die numerische Diffusion um <strong> \u00fcber 80% <\/strong> im Vergleich zum vollst\u00e4ndigen Aufwinden.<\/li>\n<li>Skew-symmetrische Formulierungen sparen kinetische Energie, indem Aliasing-Fehler verhindert werden, dass sie nicht st\u00f6rend Energie erzeugen.<\/li>\n<li>Neue Relaxationsmethoden f\u00fcr 2026 k\u00f6nnen Massen- und Energieeinsparungen auf maschinelle Pr\u00e4zision (10\u207b\u00b9\u2074) durchsetzen.<\/li>\n<\/ul>\n<h2>Warum die Diskretisierung das ver\u00e4ndert, was Ihre Simulation konserviert<\/h2>\n<p>Wenn Sie eine partielle Differentialgleichung diskretisieren, w\u00e4hlen Sie nicht nur eine Genauigkeitsreihenfolge &#8211; Sie w\u00e4hlen die physikalischen Gr\u00f6\u00dfen, die Ihr L\u00f6ser tats\u00e4chlich konserviert. Masse, Energie, Impuls: Diese Eigenschaften, die durch die kontinuierlichen Gleichungen analytisch garantiert werden, k\u00f6nnen je nach numerischer Flussentwurf auf diskreter Ebene leise verschwinden (oder auf mysteri\u00f6se Ebene erscheinen).<\/p>\n<p>Dies ist einer der konsequentesten Kompromisse in der wissenschaftlichen Simulation, wird jedoch bei der Methodenauswahl oft \u00fcbersehen. Sie k\u00f6nnen Stunden damit verbringen, Parameter zu optimieren, um festzustellen, dass das Diskretisierungsschema selbst einen k\u00fcnstlichen Massenverlust oder eine falsche Energieerzeugung einf\u00fchrt.<\/p>\n<p>Das Kernprinzip ist einfach: <strong>Durchfluss, der eine Zelle verl\u00e4sst, muss gleich dem Fluss in den Nachbarn <\/strong>. Wenn dies durch den Bau wahr ist, haben Sie lokale Erhaltung. Wenn es eine sorgf\u00e4ltige Konstruktion erfordert, m\u00fcssen Sie es \u00fcberpr\u00fcfen. Das Verst\u00e4ndnis dieser Unterscheidung &#8211; und der Tools, um sie zu \u00fcberpr\u00fcfen &#8211; ist der Unterschied zwischen dem Vertrauen Ihrer Simulation und der Pr\u00fcfung jedes Ergebnisses.<\/p>\n<h2>Das Konsistenzprinzip der Flussmittel: Lokaler und globaler Naturschutz<\/h2>\n<p>Die Erhaltungseigenschaft eines numerischen Schemas wird dadurch bestimmt, ob numerische Fl\u00fcsse \u00fcber Zellgrenzfl\u00e4chen hinweg konsistent sind. Dies ist in der Literatur als das <strong> Fluss-Konsistenzprinzip <\/strong> bekannt und erkl\u00e4rt, warum einige Methoden auf nat\u00fcrliche Weise Masse konservieren, w\u00e4hrend andere dies nicht tun.<\/p>\n<h3>Finite-Volumen-Methode: Konservierung durch Konstruktion<\/h3>\n<p>Die Finite-Volumen-Methode (FVM) garantiert die lokale Erhaltung, da sie per Definition Fl\u00fcsse \u00fcber Zellfl\u00e4chen hinweg ausgleicht. Wenn Masse aus einem Kontrollvolumen herausflie\u00dft, flie\u00dft genau die gleiche Menge in seinen Nachbarn. Es kann kein numerischer Fluss erzeugt oder zerst\u00f6rt werden &#8211; die algebraische Struktur der Diskretisierung erzwingt die globale Massenerhaltung automatisch.<\/p>\n<p>FIPY implementiert dies durch seine Konservierungsgleichungsstruktur, bei der jeder Konvektionsbegriff eine Flussbilanz \u00fcber Zellfl\u00e4chen hinweg darstellt. Die <a href=\"https:\/\/pages.nist.gov\/fipy\/en\/latest\/numerical\/equation.html\" target=\"_blank\" rel=\"nofollow noopener\"> FIPY-Erhaltungsgleichungsdokumentation <\/a> beschreibt, wie die allgemeine Erhaltungsgleichung genau diese Flusskonsistenz erzwingt.<\/p>\n<pre><code class=\"language-python\"># FiPy conservation equation \u2014 fluxes are balanced by construction\nequation = TransientTerm(var=phi) == UpwindConvectionTerm(coeff=velocity)<\/code><\/pre>\n<h3>Finite-Elemente-Methode: Konservierung erfordert Design<\/h3>\n<p>Standard-Finite-Element-Formulierungen <strong>Not<\/strong> konservieren die Masse automatisch lokal. Die schwache Form integriert sich \u00fcber Elemente, und Fl\u00fcsse \u00fcber interne Grenzen k\u00f6nnen global aufgehoben werden, ohne lokal zu erhalten. Aus diesem Grund k\u00f6nnen Standard-FEM-Formulierungen bei advektionsdominierten Problemen die Massenerhaltung verlieren.<\/p>\n<p>FEM kann jedoch durch speziell entworfene numerische Flussmittel eine lokale Konservierung erreichen. Die diskontinuierliche Galerkin-Methode (DG) erreicht beispielsweise durch ihre Schnittstellenfl\u00fcsse eine starke lokale Konservierung \u2014 siehe <a href=\"https:\/\/matforge.org\/discontinuous-galerkin-method-tutorial\/\" target=\"_blank\" rel=\"nofollow noopener\"> DG-Methoden-Tutorial <\/a> f\u00fcr eine detaillierte Ableitung. DG kombiniert Polynom-Approximation h\u00f6herer Ordnung mit flussbasierter Konservierung, die die Flusskonsistenz von FVM widerspiegelt.<\/p>\n<h3>Was dies f\u00fcr die Methodenauswahl bedeutet<\/h3>\n<table>\n<thead>\n<tr>\n<th>Verfahren<\/th>\n<th>Lokaler Naturschutz<\/th>\n<th>wie es es erreicht<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Endliches Volumen<\/td>\n<td><strong>stark \u2014 nach Konstruktion<\/strong><\/td>\n<td>Flussbilanz \u00fcber Zellfl\u00e4chen ist algebraische Notwendigkeit<\/td>\n<\/tr>\n<tr>\n<td>Kontinuierliche FEM<\/td>\n<td><strong>Abh\u00e4ngig von der Formulierung <\/strong><\/td>\n<td>erfordert ein sorgf\u00e4ltiges Flussdesign; Nicht automatisch<\/td>\n<\/tr>\n<tr>\n<td>Diskontinuierliche Galerkin<\/td>\n<td><strong>Stark \u2013 durch Fl\u00fcsse<\/strong><\/td>\n<td>Numerische Fl\u00fcsse an den Schnittstellen erzwingen die lokale Balance<\/td>\n<\/tr>\n<tr>\n<td>endlicher Unterschied<\/td>\n<td><strong>nicht garantiert<\/strong><\/td>\n<td>Derivate erzwingen kein Flussgleichgewicht zwischen den Zellen<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><a href=\"https:\/\/matforge.org\/when-to-use-fem-fvm-fdm\/\" target=\"_blank\" rel=\"nofollow noopener\">Wann FEM, FVM oder FDM verwenden<\/a> Guide on Matforge.org erkl\u00e4rt diese Kompromisse im Detail, einschlie\u00dflich der Frage, wie die Auswahl der Konservierungsanforderungen vor der Ber\u00fccksichtigung der Geometrie oder Genauigkeit ber\u00fccksichtigt werden soll.<\/p>\n<h2>K\u00fcrzungsfehler und k\u00fcnstliche Viskosit\u00e4t<\/h2>\n<p>Jedes numerische Schema f\u00fchrt einen K\u00fcrzungsfehler ein &#8211; eine Differenz zwischen dem genauen Differentialoperator und seiner diskreten Approximation. Bei Aufwindschemata hat dieser K\u00fcrzungsfehler eine physikalische Interpretation: Er verh\u00e4lt sich wie k\u00fcnstliche Diffusion (auch numerische Viskosit\u00e4t genannt).<\/p>\n<h3>Die modifizierte Gleichung<\/h3>\n<p>Die <a href=\"https:\/\/cfd.university\/blog\/what-is-numerical-dissipation-in-cfd-and-why-do-we-need-it\/\" target=\"_blank\" rel=\"nofollow noopener\"> CFD University Modified Equation Analysis <\/a> bietet die vollst\u00e4ndige Ableitung. Hier ist das wesentliche Ergebnis.<\/p>\n<p>F\u00fcr Aufwind-Advektion erster Ordnung mit konstanter Geschwindigkeit $A$:<\/p>\n<p>$$$frac{partial Phi}{partial t} + a frac{partial Phi}{partial x} = unterbrace{frac{a delta x}{2}}_{text{K\u00fcnstlicher Viskosit\u00e4tskoeffizient}} frac{partial^2 phi}{partial x^2} + o(delta x^2)$$<\/p>\n<p>Der f\u00fchrende K\u00fcrzungsfehler wirkt wie ein Diffusionsterm mit dem Koeffizienten $  nu = a  delta x \/ 2 $. Dies erkl\u00e4rt sowohl, warum der Aufwind stabil ist (es f\u00fcgt Diffusion hinzu) als auch warum es Fronten verschmiert (diese Diffusion verbreitet Profile).<\/p>\n<h3>Die CFL-Nummer \u00e4ndert alles<\/h3>\n<p>Hier ist das nicht offensichtliche Ergebnis, das die meisten Praktizierenden verfehlen: Wenn eine Zeitdiskretisierung einbezogen wird, wird der k\u00fcnstliche Viskosit\u00e4tskoeffizient <strong>CFL-abh\u00e4ngig <\/strong>. Die komplette modifizierte Gleichung zeigt:<\/p>\n<p>$$nu = frac{a delta x}{2} (1 &#8211; text{cfl})$$<\/p>\n<p><strong> Bei CFL = 1 verschwindet die k\u00fcnstliche Diffusion.<\/strong> Dies erkl\u00e4rt, wenn der Aufwind &#8222;frei&#8220; ist &#8211; \u00fcberhaupt keine numerische Diffusion. Viele Simulationspraktiker arbeiten unwissentlich bei CFL = 1 und fragen sich, warum ihr Aufwindschema erster Ordnung unerwartet saubere Ergebnisse liefert. Die CFL-abh\u00e4ngige Formel erkl\u00e4rt warum.<\/p>\n<p>Dieses Ergebnis hat erhebliche praktische Auswirkungen:<\/p>\n<ul>\n<li>Bei CFL nahe 0 (sehr kleine Zeitschritte) f\u00fchrt Upwinding zu maximaler k\u00fcnstlicher Diffusion<\/li>\n<li>Bei CFL = 1 (Zeitschritt entspricht einer Zelltransitzeit), f\u00fcgt der Aufwind erster Ordnung keine k\u00fcnstliche Diffusion hinzu<\/li>\n<li>Bei CFL &gt; 1, die Formel deutet auf eine m\u00f6gliche Instabilit\u00e4t hin \u2013 die modifizierte Gleichung \u00e4ndert sich<\/li>\n<\/ul>\n<p>Beachten Sie, dass die zeitliche Diskretisierung auch zur numerischen Diffusion beitr\u00e4gt. Die Wahl des Zeitintegrators (Backward Euler, Crank-Niconcolson, Runge-Kutta) beeinflusst die D\u00e4mpfungseigenschaften unabh\u00e4ngig vom r\u00e4umlichen Schema. Die <a href=\"https:\/\/matforge.org\/time-integration-methods-for-pde-solvers-explicit-vs-implicit-schemes\/\" target=\"_blank\" rel=\"nofollow noopener\">Zeit Integrationsmethoden f\u00fcr PDE-Solver: Explicit vs Implicit Schemes <\/a> Leitfaden Erl\u00e4utert, wie zeitlicher Fehler mit der r\u00e4umlichen numerischen Diffusion interagiert und wie sie bei der Verifizierung getrennt werden kann.<\/p>\n<h3>Netzversatz erzeugt &#8222;falsche Diffusion&#8220;<\/h3>\n<p>Selbst bei einem physikalischen Diffusionskoeffizienten und einem perfekt gleichm\u00e4\u00dfigen Fluss f\u00fchren <strong> unstrukturierte Netze numerische Diffusion <\/strong> proportional zum Winkel zwischen der Str\u00f6mungsrichtung und den Zellfl\u00e4chennormalen ein. Dies wird als &#8222;falsche Diffusion&#8220; oder &#8222;Kreuzwinddiffusion&#8220; bezeichnet.<\/p>\n<p>Auf strukturierten kartesischen Gittern wird die mit einer Koordinatenachse ausgerichtete Str\u00f6mung sauber dargestellt. Auf unstrukturierten Netzen (Dreiecken, Tetraeder) f\u00fchrt selbst eine einfache gleichm\u00e4\u00dfige Str\u00f6mung zu einer k\u00fcnstlichen Diffusion, wenn die Str\u00f6mung das Netz schr\u00e4g \u00fcberquert. Die Diffusionsgr\u00f6\u00dfe skaliert mit $  sin ^ 2 ( theta) $, wobei $  theta $ der Fehlausrichtungswinkel ist.<\/p>\n<p>Dies erkl\u00e4rt, warum Simulationen auf unstrukturierten Netzen h\u00e4ufig eine feinere Aufl\u00f6sung als strukturierte Gitter f\u00fcr dasselbe Advektionsproblem erfordern &#8211; die k\u00fcnstliche Diffusion ist keine Eigenschaft des Schemas, sondern der Netzausrichtung.<\/p>\n<h2>Upwind-Schemata und der Diffusionsstabilit\u00e4ts-Trade-off<\/h2>\n<p>Upwind-Schemata f\u00fcgen numerische Diffusion hinzu, um die Advektionsberechnungen zu stabilisieren. Aber wie viel Diffusion wird eingef\u00fchrt? Und welche Alternativen gibt es?<\/p>\n<h3>Was Upwind tats\u00e4chlich tut<\/h3>\n<p>Upwind erster Ordnung ersetzt den symmetrischen zentralen Unterschied:<\/p>\n<p>$$frac{partial phi}{partial x}<\/p>\n<p>Mit richtungsbewusster Ann\u00e4herung:<\/p>\n<p>$$  frac { Partial  phi} { Partial X}  Approx  Frac { phi_i &#8211;  phi_ {i-1}} { delta x}  quad  text {(f\u00fcr} a &gt; 0  text {)} $$<\/p>\n<p>Wie die Analyse der CFD-Universit\u00e4t zeigt, kann diese Aufwind-N\u00e4herung genau so geschrieben werden:<\/p>\n<p>$$text{upwind} = text{central} &#8211; frac{delta x}{2} frac{partial^2}{partial x^2}$$<\/p>\n<p>Der Begriff der zweiten Derivate ist die k\u00fcnstliche Diffusion. Es unterdr\u00fcckt kurze Wellen und scharfe Steigungen &#8211; weshalb der Aufwind stabil ist, aber auch die Fronten verschmiert.<\/p>\n<h3>Numerischer Diffusionsvergleich von Elch<\/h3>\n<p><a href=\"https:\/\/mooseframework.inl.gov\/modules\/porous_flow\/numerical_diffusion.html\" target=\"_blank\" rel=\"nofollow noopener\">Numerische numerische Diffusionsdokumentation<\/a> Bietet den umfassendsten numerischen Diffusionsvergleich, der in jeder Open-Source-Solver-Dokumentation verf\u00fcgbar ist. Ihr Tracer-Advektionstest vergleicht sieben Diskretisierungsstrategien:<\/p>\n<table>\n<thead>\n<tr>\n<th>Diskretisierung<\/th>\n<th>Numerische Diffusion<\/th>\n<th>Hauptmerkmal<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Rahmen (zentral)<\/td>\n<td>M\u00e4\u00dfig<\/td>\n<td>zweiter Ordnung, bedingungslos nur mit Diffusion<\/td>\n<\/tr>\n<tr>\n<td>Masse-gekr\u00fcmmt<\/td>\n<td>niedrig bis m\u00e4\u00dfig<\/td>\n<td>Reduzierte Diffusion, aber m\u00f6gliche Schwingungen<\/td>\n<\/tr>\n<tr>\n<td>Voller Aufwind<\/td>\n<td><strong>hoch<\/strong><\/td>\n<td>Erste Ordnung, garantierte Stabilit\u00e4t<\/td>\n<\/tr>\n<tr>\n<td>RDG P0 (st\u00fcckweise konstant)<\/td>\n<td>M\u00e4\u00dfig<\/td>\n<td>DG mit Polynom nullter Ordnung, Aufwindfluss<\/td>\n<\/tr>\n<tr>\n<td><strong>RDG P0P1 (linear + Limiter)<\/strong><\/td>\n<td><strong>low<\/strong><\/td>\n<td><strong>Reduziert die Diffusion &gt;80% gegen\u00fcber vollem Aufwind<\/strong><\/td>\n<\/tr>\n<tr>\n<td>KT ohne Begrenzer<\/td>\n<td>niedrig bis m\u00e4\u00dfig<\/td>\n<td>Kuzmin-Turek-Schema, begrenzte Begrenzung<\/td>\n<\/tr>\n<tr>\n<td>KT mit Begrenzer<\/td>\n<td><strong>Niedrigster<\/strong><\/td>\n<td><strong>Flussbegrenzung reduziert die Diffusion signifikant<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Das <strong>RDG(P0P1)<\/strong>-Schema mit dem Superbee-Flussbegrenzer reduziert die numerische Diffusion um <strong>\u00fcber 80%<\/strong> im Vergleich zum vollst\u00e4ndigen Aufwinden unter Beibehaltung der Monotonie. Dies ist ein konkreter Beweis f\u00fcr die Methodenauswahl: Die lineare Rekonstruktion mit Flussbegrenzung ist der Aufwind erster Ordnung bei Transportproblemen, bei denen die Aufl\u00f6sung wichtig ist, weit \u00fcberlegen.<\/p>\n<h3>Wann Sie Full Upwind vs. Limited Schemes verwenden<\/h3>\n<p>Die <a href=\"https:\/\/mooseframework.inl.gov\/modules\/porous_flow\/upwinding.html\" target=\"_blank\" rel=\"nofollow noopener\">Dokumentation zum Aufwickeln von Moose<\/a> bietet praktische Anleitungen:<\/p>\n<ul>\n<li><strong>Verwenden Sie vollen Aufwind, wenn:<\/strong> Robustheit die Priorit\u00e4t ist, L\u00f6sungsbegrenzung ist wichtiger als Aufl\u00f6sung, oder Sie l\u00f6sen starke nichtlineare Probleme, wenn Oszillationen den Solver besch\u00e4digen w\u00fcrden<\/li>\n<li><strong>Verwenden Sie begrenzte Schemata h\u00f6herer Ordnung, wenn:<\/strong> Transportraten quantitativ gemessen werden, scharfe Fronten gel\u00f6st werden m\u00fcssen oder das Problem schwache Nichtlinearit\u00e4ten hat, die keinen vollst\u00e4ndigen Aufwind erfordern<\/li>\n<\/ul>\n<p><strong>Der praktische Kompromiss: <\/strong> Voller Aufwind ist robust, aber zu diffus. Begrenzte Schemata bewahren die Aufl\u00f6sung, erh\u00f6hen aber nichtlineare Komplexit\u00e4t. F\u00fcr konservierungskritische Simulationen (Reaktiver Transport, Phasenfeldmodelle) ist die zus\u00e4tzliche Komplexit\u00e4t in der Regel die Aufl\u00f6sung wert.<\/p>\n<h2>Skew-symmetrische Formulierungen zur Energieerhaltung<\/h2>\n<p>Bei der Simulation von komprimierbaren Str\u00f6mungs- oder Reaktionssystemen wird die Energieeinsparung kritisch. Konservative Standardformulierungen nichtlinearer Konvektion k\u00f6nnen durch Aliasing-Fehler kinetische Energie erzeugen oder zerst\u00f6ren. Die L\u00f6sung, die in einer h\u00e4ufig zitierten \u00dcbersicht identifiziert wurde, besteht darin, den konvektiven Betreiber neu zu formulieren.<\/p>\n<h3>Coppola 2019: Die schief-symmetrische Spaltung<\/h3>\n<p>Die bahnbrechende ASME-\u00dcberpr\u00fcfung von 2019 von Coppola (95 Citations) zur diskreten Energieeinsparung zeigt, dass <strong> nichtlineare Konvektionsbegriffe die kinetische Energie nur dann erhalten, wenn sie in geteilter Form <\/strong> formuliert sind. Die wichtigste Erkenntnis ist, dass der konvektive Operator aufgeteilt werden muss in:<\/p>\n<ol>\n<li>Eine <strong>Konservative Form<\/strong> (Divergenzformular): $nabla cdot (mathbf{u} phi)$<\/li>\n<li>Eine <strong>schief-symmetrische Form<\/strong>: $mathbf{u} cdot nabla phi &#8211; frac{1}{2} (nabla cdot mathbf{u})  phi $<\/li>\n<\/ol>\n<p>Wenn es kombiniert wird, wird der diskrete konvektive Operator schief adjungiert, was bedeutet, dass er quadratische Invarianten wie kinetische Energie ohne k\u00fcnstliche Dissipation bewahrt. Dadurch wird verhindert, dass Aliasing-Fehler Energie verursachen (oder zerst\u00f6ren).<\/p>\n<p>F\u00fcr den inkompressiblen Fluss ($nabla cdot mathbf{u} = 0$) vereinfacht sich die symmetrische Form der folgenden Form:<\/p>\n<p>$$Mathbf{u} cdot nabla phi$$<\/p>\n<p>F\u00fcr die komprimierbare Str\u00f6mung ist der Divergenzbegriff wichtig und die schiefsymmetrische Aufteilung wird f\u00fcr die Energieeinsparung von wesentlicher Bedeutung.<\/p>\n<h3>Warum dies f\u00fcr DG-Methoden wichtig ist<\/h3>\n<p>Die von Gassner und anderen entwickelte diskontinuierliche Galerkin Energy-Stable-Methode (DGSEM) verwendet diese schief-symmetrische Spaltung, um eine diskrete Energieerhaltung sicherzustellen. Informationen zum DG-Fluss-Design finden Sie im <a href=\"https:\/\/matforge.org\/discontinuous-galerkin-method-tutorial\/\" target=\"_blank\" rel=\"nofollow noopener\">DG-Methoden-Tutorial<\/a>. DG-Methoden mit entropiestabilen Fl\u00fcssen und schief-symmetrischen konvektiven Spaltungen sind der Stand der Technik f\u00fcr energieerhaltende Simulationen komprimierbarer Str\u00f6mung.<\/p>\n<h3>Wenn schief-symmetrische Formulierungen unerl\u00e4sslich sind<\/h3>\n<table>\n<thead>\n<tr>\n<th>Problemtyp<\/th>\n<th>Standardformular ausreichend?<\/th>\n<th>Schr\u00e4g-symmetrisch ben\u00f6tigt?<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>inkompressibler Durchfluss, geringer Mach<\/td>\n<td>Manchmal (wenn gut gel\u00f6st)<\/td>\n<td><strong>Ja, f\u00fcr strikte Energieeinsparung<\/strong><\/td>\n<\/tr>\n<tr>\n<td>komprimierbarer Durchfluss<\/td>\n<td><strong>Nein<\/strong><\/td>\n<td><strong>Essential<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Turbulente Str\u00f6mung \/ LES<\/td>\n<td><strong>Nein<\/strong><\/td>\n<td><strong>Essential<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Reaktionsfluss mit Energiekopplung<\/td>\n<td><strong>Nein<\/strong><\/td>\n<td><strong>Essential<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Einfache Diffusion oder inkompressibler Transport<\/td>\n<td>Nein<\/td>\n<td>Optional (Bequemlichkeit)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>\u00dcberpr\u00fcfung der Erhaltung in der Praxis<\/h2>\n<p>Die Theorie sagt uns, welche Schemata Masse und Energie sparen. In der Praxis m\u00fcssen Sie es \u00fcberpr\u00fcfen. Hier ist ein schrittweiser Workflow.<\/p>\n<h3>Schritt 1: Definieren Sie die Konservierungsmenge<\/h3>\n<p>Identifizieren Sie, welche physikalischen Mengen konserviert werden m\u00fcssen. Gemeinsame Entscheidungen:<\/p>\n<ul>\n<li><strong>Mass<\/strong> (Integral von Konzentration oder Dichte \u00fcber die Dom\u00e4ne)<\/li>\n<li><strong>Energie<\/strong> (W\u00e4rmeenergie, kinetische Energie oder Gesamtenergie)<\/li>\n<li><strong>Artenmasse<\/strong> (Einzelne chemische Spezies)<\/li>\n<\/ul>\n<h3>Schritt 2: Berechnen Sie das diskrete Integral<\/h3>\n<p>Berechnen Sie bei jedem Zeitschritt das Dom\u00e4nenintegral:<\/p>\n<pre><code class=\"language-python\"># Mass conservation check in a scalar transport problem\nimport numpy as np\nfrom fipy import Grid2D, CellVariable\n\nmesh = Grid2D(nx=100, ny=100, dx=0.01, dy=0.01)\nphi = CellVariable(mesh=mesh, value=0.0)\n\n# Initial mass\ninitial_mass = np.sum(phi.value * mesh.cellVolumes)\nprint(f\"Initial mass: {initial_mass:.6f}\")\n\n# After simulation\nfinal_mass = np.sum(phi.value * mesh.cellVolumes)\nprint(f\"Final mass: {final_mass:.6f}\")\nprint(f\"Mass loss: {(initial_mass - final_mass) \/ initial_mass * 100:.4f}%\")<\/code><\/pre>\n<h3>Schritt 3: Grenzfl\u00fcsse \u00fcberpr\u00fcfen<\/h3>\n<p>Verst\u00f6\u00dfe gegen den Naturschutz entstehen in der Regel an Grenzen. \u00dcberpr\u00fcfen Sie, dass:<\/p>\n<ul>\n<li>Zuflussfl\u00fcsse stimmen mit den vorgeschriebenen Grenzwerten \u00fcberein<\/li>\n<li>Abflussgrenzen begrenzen das Problem nicht<\/li>\n<li>Keine Flussgrenzen haben wirklich keinen Fluss<\/li>\n<\/ul>\n<h3>Schritt 4: Vergleichen Sie gegen Referenz<\/h3>\n<p><a href=\"https:\/\/matforge.org\/verification-vs-validation-in-scientific-simulations-a-practical-guide\/\" target=\"_blank\" rel=\"nofollow noopener\">Verifikation VS Validation Guide <\/a> erkl\u00e4rt, dass die \u00dcberpr\u00fcfung mit analytischen oder hergestellten L\u00f6sungen verglichen werden muss. Zur Erhaltungspr\u00fcfung:<\/p>\n<ol>\n<li>F\u00fchren Sie ein Transportproblem mit der bekannten anf\u00e4nglichen Masse aus<\/li>\n<li>Stellen Sie sicher, dass die numerische Masse im Laufe der Zeit konstant bleibt (innerhalb der Toleranz).<\/li>\n<li>Testen Sie mit mehreren Netzaufl\u00f6sungen &#8211; Konservierung sollte sich verbessern oder konstant bleiben, wenn das Netz verfeinert und nicht verschlechtert wird<\/li>\n<\/ol>\n<h3>Schritt 5: Dokumentieren Sie die Toleranz<\/h3>\n<p>Legen Sie eine f\u00fcr Ihr Problem geeignete Erhaltungstoleranz fest:<\/p>\n<ul>\n<li><strong>Wissenschaftliche Ver\u00f6ffentlichung:<\/strong> Massenfehler &lt; 0,1%<\/li>\n<li><strong>Simulation:<\/strong> Massenfehler &lt; 1%<\/li>\n<li><strong>Research Prototyping:<\/strong> Massenfehler &lt; 5% (aber dokumentieren)<\/li>\n<\/ul>\n<h2>Advanced Conservation Enforcement: Entspannungsbasierte Methoden<\/h2>\n<p>Wenn die Standarddiskretisierung keine ausreichende Erhaltung erreicht, bieten neuere Methoden Nachbearbeitungskorrekturen an.<\/p>\n<h3>Das Ergebnis ARXIV 2604.05940<\/h3>\n<p>Ein k\u00fcrzlich von Rajvanshi und Ketcheson (ARXIV 2604.05940, April 2026) vorgelegter Vorabdruck von Rajvanshi und Ketcheson f\u00fchrt <strong> Relaxation-based Conservation-Durchforcement <\/strong> f\u00fcr die Massen- und Energiebilanz ein. Die Methode arbeitet mit jedem Zeitschrittschema, indem eine Korrektur nach dem Zeitschritt hinzugef\u00fcgt wird.<\/p>\n<p><strong>Key Results:<\/strong><\/p>\n<ul>\n<li>Erzielt eine maschinelle Genauigkeitskonservierung bis zu <strong>10\u207b\u00b9\u2074<\/strong>-Fehler<\/li>\n<li>Zwei Varianten: <strong>Multiple-Relaxation<\/strong> und <strong>Projektionsentspannung<\/strong><\/li>\n<li><strong>Projection-Entspannung<\/strong> ist robuster und erfordert nur die L\u00f6sung eines skalaren Wurzelfindungsproblems (2-3\u00d7 Rechenkosten)<\/li>\n<li>Validiert auf kosmologischen 2D- und 3D-Testf\u00e4llen<\/li>\n<\/ul>\n<p>Die Methode gilt f\u00fcr implizite-explizite (IMEX) Runge-Kutta-Schemata und kann gleichzeitig die Massenerhaltung und Energiebilanz durchsetzen. Dies ist besonders wertvoll f\u00fcr Simulationen, bei denen sich \u00fcber lange Zeitr\u00e4ume Schutzverletzungen ansammeln und die physische Genauigkeit beeintr\u00e4chtigen.<\/p>\n<p><strong>Wann entspannungsbasierte Methoden:<\/strong><\/p>\n<ul>\n<li>Langzeitsimulationen, bei denen sich kleine Konservierungsfehler ansammeln<\/li>\n<li>Multi-Physik-Kopplung, bei der Schutzverletzungen Instabilit\u00e4t verursachen<\/li>\n<li>Schemata h\u00f6herer Ordnung, die strenge Erhaltung f\u00fcr die L\u00f6sung opfern<\/li>\n<li>Produktionssimulationen, bei denen Masse\/Energiebilanz nicht verhandelbar ist<\/li>\n<\/ul>\n<h2>Praktischer Entscheidungsrahmen<\/h2>\n<p>Die Wahl einer Diskretisierung f\u00fcr konservierungskritische Simulationen erfordert die gleichzeitige Ber\u00fccksichtigung mehrerer Faktoren.<\/p>\n<h3>Methodenauswahlmatrix<\/h3>\n<table>\n<thead>\n<tr>\n<th>Lage<\/th>\n<th>Empfohlener Ausgangspunkt<\/th>\n<th>Erhaltungsniveau<\/th>\n<th>Wann upgraden<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Massentransport auf strukturiertem Netz, stetig<\/td>\n<td>zentraler Unterschied oder Hybrid<\/td>\n<td>Moderat (FVM)<\/td>\n<td>Upgrade, wenn Spitzenwerte ungenau sind<\/td>\n<\/tr>\n<tr>\n<td>Reaktiver Transport mit scharfen Fronten<\/td>\n<td>Begrenzte h\u00f6here Ordnung (z. B. Moose RDG P0P1)<\/td>\n<td>Stark<\/td>\n<td>Nur verwenden, wenn die Aufl\u00f6sung kritisch ist<\/td>\n<\/tr>\n<tr>\n<td>Komprimierbarer Durchfluss mit Energiekupplung<\/td>\n<td>DG mit schr\u00e4g-symmetrischer Spaltung<\/td>\n<td>Stark (DGSEM)<\/td>\n<td>Erforderlich &#8211; nicht optional<\/td>\n<\/tr>\n<tr>\n<td>Turbulente Str\u00f6mung \/ LES<\/td>\n<td>Hochwertige DG- oder Spektralmethoden<\/td>\n<td>Stark<\/td>\n<td>Unverzichtbar f\u00fcr die k\u00f6rperliche Treue<\/td>\n<\/tr>\n<tr>\n<td>Phasenfeld- \/ Mehrphasenfluss<\/td>\n<td>FVM oder DG mit Flussbegrenzern<\/td>\n<td>Stark<\/td>\n<td>Upgrade, wenn die Schnittstellenaufl\u00f6sung wichtig ist<\/td>\n<\/tr>\n<tr>\n<td>Einfache Diffusion, keine starke Konvektion<\/td>\n<td>Standard-FEM oder FVM<\/td>\n<td>Ausreichend<\/td>\n<td>Kein Upgrade erforderlich<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Entscheidungsregeln<\/h3>\n<ol>\n<li><strong>Wenn die Erhaltung nicht verhandelbar ist<\/strong> (Massen-Energie-Balance muss genau sein): Beginnen Sie mit FVM oder DG. Das Flussmittelkonsistenzprinzip garantiert es durch Design.<\/li>\n<li><strong>Wenn scharfe Fronten aufgel\u00f6st werden m\u00fcssen<\/strong> ohne St\u00f6rschwingungen: Verwenden Sie begrenzte Schemata h\u00f6herer Ordnung (Moose RDG P0P1, Kuzmin-Turek mit Limiter). Vermeiden Sie vollen Aufwind &#8211; es reduziert die Diffusion um weniger als das, was begrenzte Schemata erreichen.<\/li>\n<li><strong>Wenn komprimierbare Str\u00f6mungsenergieschutzmittel<\/strong>: Verwenden Sie symmetrische Split-Formulierungen (Coppola 2019, Gassner DGSEM). Konservative Standardformen k\u00f6nnen durch Aliasing Energie erzeugen.<\/li>\n<li><strong>Wenn Sie bei langen Simulationen eine strikte Massenerhaltung ben\u00f6tigen: <\/strong>: Betrachten Sie die relance-basierte Durchsetzung (ARXIV 2604.05940) als einen Nachbearbeitungsschritt bei 2-3 \u00d7 Rechenkosten.<\/li>\n<li><strong>Wenn die Netzaufl\u00f6sung begrenzt ist<\/strong>: Achten Sie auf eine falsche Diffusion auf unstrukturierten Netzen. Strukturierte Gitter vermeiden dies. Erwarten Sie auf unstrukturierten Netzen eine h\u00f6here k\u00fcnstliche Diffusion, die dem Str\u00f6mungs-Maschen-Fehlausrichtungswinkel proportional ist.<\/li>\n<\/ol>\n<h3>Zusammenfassung: Was zu vermeiden<\/h3>\n<table>\n<thead>\n<tr>\n<th>Fehler<\/th>\n<th>Folge<\/th>\n<th>Fix<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Unter der Annahme, dass alle Diskretisierungen gleicherma\u00dfen erhalten<\/td>\n<td>Massenverlust, falsche Energie<\/td>\n<td>\u00dcberpr\u00fcfen Sie die Erhaltung mit Dom\u00e4nenintegralen<\/td>\n<\/tr>\n<tr>\n<td>Verwenden von vollem Aufwind, wenn begrenzte Schemata verf\u00fcgbar sind<\/td>\n<td>80% + unn\u00f6tige Diffusion<\/td>\n<td>Verwenden Sie Moose RDG P0P1 oder \u00e4hnliches<\/td>\n<\/tr>\n<tr>\n<td>Ignorieren der CFL-Abh\u00e4ngigkeit der k\u00fcnstlichen Viskosit\u00e4t<\/td>\n<td>Diffusion \u00fcbersch\u00e4tzen oder untersch\u00e4tzen<\/td>\n<td>\u00dcberpr\u00fcfen Sie die CFL-Nummer neben dem Netz<\/td>\n<\/tr>\n<tr>\n<td>Verwenden von konservativen Standardformen f\u00fcr komprimierbaren Fluss<\/td>\n<td>falsche Energieerzeugung<\/td>\n<td>Verwenden Sie schief-symmetrische Split (Coppola 2019)<\/td>\n<\/tr>\n<tr>\n<td>Nicht Ber\u00fccksichtigung von Netzfehlstellungen<\/td>\n<td>Falsche Diffusion auf unstrukturierten Netzen<\/td>\n<td>Verwenden Sie nach M\u00f6glichkeit strukturierte Gitter<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Zusammenfassung und n\u00e4chste Schritte<\/h2>\n<p>Die Erhaltungseigenschaften bei der Diskretisierung werden durch die Flusskonsistenz \u00fcber die Zellgrenzfl\u00e4chen bestimmt. FVM erreicht dies durch Konstruktion. DG erreicht es durch numerische Fl\u00fcsse. Standard-FEM erfordert sorgf\u00e4ltiges Design.<\/p>\n<p>Die wichtigste Erkenntnis ist, dass <strong> numerische Diffusion keine unvermeidbare Eigenschaft von Advektionsschemata ist <\/strong> &#8211; sie h\u00e4ngt von der CFL-Nummer, der Netzausrichtung und der Schemawahl ab. Der Aufwind erster Ordnung f\u00fcgt eine k\u00fcnstliche Viskosit\u00e4t hinzu, die bei CFL = 1 verschwindet. Begrenzte Schemata h\u00f6herer Ordnung reduzieren die numerische Diffusion um \u00fcber 80% im Vergleich zum vollst\u00e4ndigen Aufwinden. Skew-symmetrische Formulierungen verhindern eine falsche Energieerzeugung im komprimierbaren Fluss.<\/p>\n<p>F\u00fcr konservierungskritische Simulationen immer quantitative Masse und Energiebilanz \u00fcberpr\u00fcfen. Verlassen Sie sich nicht nur auf die Wahl der Methoden &#8211; das Prinzip der Flusskonsistenz ist eine theoretische Garantie, sondern Ihre spezifische Implementierung muss \u00fcberpr\u00fcft werden.<\/p>\n<p><strong>Empfohlene n\u00e4chste Schritte:<\/strong><\/p>\n<ol>\n<li>F\u00fchren Sie einen Massenkonservierungstest f\u00fcr Ihre aktuelle Simulation durch (Compute-Dom\u00e4nenintegrale zu jedem Zeitschritt)<\/li>\n<li>Wenn der Konservierungsfehler Ihre Toleranz \u00fcberschreitet, sollten Sie ein Upgrade auf begrenzte Schemes h\u00f6herer Ordnung in Betracht ziehen<\/li>\n<li>\u00dcberpr\u00fcfen Sie f\u00fcr den komprimierbaren Fluss, dass Ihr konvektiver Operator eine schr\u00e4g-symmetrische Aufteilung verwendet<\/li>\n<li>Erw\u00e4gen Sie die durchsetzungsbasierte Durchsetzung f\u00fcr Simulationen mit langer Dauer, bei denen sich kleine Fehler ansammeln<\/li>\n<\/ol>\n<p>Der <a href=\"https:\/\/matforge.org\/advection-dominated-problems-supg-stabilization\/\" target=\"_blank\" rel=\"nofollow noopener\"> Advection-dominierte Problemf\u00fchrer <\/a> auf Matforge.org enth\u00e4lt erg\u00e4nzende Leitlinien zu Stabilisierungsstrategien (SUPG, Flussbegrenzer, Peclet-Analyse), die neben den hier behandelten Erhaltungseigenschaften funktionieren.<\/p>\n<h2>weiterlesen<\/h2>\n<ul>\n<li>Coppola, S. (2019). \u00fcber die Erhaltung quadratischer Invarianten in numerischen Schemata f\u00fcr die kompressiblen Euler- und Navier-Stokes-Gleichungen. <em> ASME Applied Mechanics Reviews <\/em>, 71 (1). 95 Zitate.<\/li>\n<li>Rajvanshi, A. &amp; Ketcheson, D. I. (2026). Effiziente Massenerhaltungs- und Energieausgleichsprogramme hoher Ordnung. <em> arXiv: 2604.05940 <\/em>.<\/li>\n<li>Moose Numerical Diffusion Documentation: https:\/\/mooseframework.inl.gov\/modules\/porous_flow\/numerical_diffusion.html<\/li>\n<li>CFD University Modifizierte Gleichungsanalyse: https:\/\/cfd.university\/blog\/what-is-numerical-dissipation-in-cfd-and-why-do-we-need-it\/<\/li>\n<\/ul>\n<h2>Verwandte Anleitungen<\/h2>\n<ul>\n<li><a href=\"https:\/\/matforge.org\/advection-dominated-problems-supg-stabilization\/\">Advektionsdominierte Probleme: Aufw\u00e4rtswindschemata und SUPG-Stabilisierung<\/a> \u2014 Querverweis f\u00fcr Stabilisierungsstrategien (SUPG, Flussbegrenzer, Peclet-Analyse)<\/li>\n<li><a href=\"https:\/\/matforge.org\/discontinuous-galerkin-method-tutorial\/\">Tutorial zur diskontinuierlichen Galerkin-Methode<\/a> &#8211; DG-Flussdesign und lokale Konservierungsdetails<\/li>\n<li><a href=\"https:\/\/matforge.org\/verification-vs-validation-in-scientific-simulations-a-practical-guide\/\">Verifikation vs. Validierung in wissenschaftlichen Simulationen<\/a> \u2014 MMS- und Verifizierungsmethode<\/li>\n<li><a href=\"https:\/\/matforge.org\/when-to-use-fem-fvm-fdm\/\">Wann verwendet werden FEM, FVM oder FDM<\/a> \u2014 Methodenauswahl einschlie\u00dflich Konservierungsanforderungen<\/li>\n<li><a href=\"https:\/\/matforge.org\/time-integration-methods-for-pde-solvers-explicit-vs-implicit-schemes\/\">Zeitintegrationsmethoden f\u00fcr PDE-Solver<\/a> \u2014 Zeitliche Fehlerdiskussion und CFL-Einschr\u00e4nkungen<\/li>\n<\/ul>\n","protected":false,"raw":"<p><strong>tl; dr <\/strong><\/p>\n<ul>\n<li><strong>Local Conservation<\/strong> wird durch die Konsistenz des FVM-Flusses garantiert; FEM und DG m\u00fcssen Fl\u00fcsse sorgf\u00e4ltig auslegen.<\/li>\n<li>Der Aufwind erster Ordnung erh\u00f6ht die k\u00fcnstliche Viskosit\u00e4t - <strong> Bei CFL = 1 verschwindet es <\/strong>, ein \u00fcberraschendes Ergebnis, das die meisten Praktizierenden verpassen.<\/li>\n<li>Das RDG (P0P1) von Moose mit Flussbegrenzung reduziert die numerische Diffusion um <strong> \u00fcber 80% <\/strong> im Vergleich zum vollst\u00e4ndigen Aufwinden.<\/li>\n<li>Skew-symmetrische Formulierungen sparen kinetische Energie, indem Aliasing-Fehler verhindert werden, dass sie nicht st\u00f6rend Energie erzeugen.<\/li>\n<li>Neue Relaxationsmethoden f\u00fcr 2026 k\u00f6nnen Massen- und Energieeinsparungen auf maschinelle Pr\u00e4zision (10\u207b\u00b9\u2074) durchsetzen.<\/li>\n<\/ul>\n<h2>Warum die Diskretisierung das ver\u00e4ndert, was Ihre Simulation konserviert<\/h2>\n<p>Wenn Sie eine partielle Differentialgleichung diskretisieren, w\u00e4hlen Sie nicht nur eine Genauigkeitsreihenfolge - Sie w\u00e4hlen die physikalischen Gr\u00f6\u00dfen, die Ihr L\u00f6ser tats\u00e4chlich konserviert. Masse, Energie, Impuls: Diese Eigenschaften, die durch die kontinuierlichen Gleichungen analytisch garantiert werden, k\u00f6nnen je nach numerischer Flussentwurf auf diskreter Ebene leise verschwinden (oder auf mysteri\u00f6se Ebene erscheinen).<\/p>\n<p>Dies ist einer der konsequentesten Kompromisse in der wissenschaftlichen Simulation, wird jedoch bei der Methodenauswahl oft \u00fcbersehen. Sie k\u00f6nnen Stunden damit verbringen, Parameter zu optimieren, um festzustellen, dass das Diskretisierungsschema selbst einen k\u00fcnstlichen Massenverlust oder eine falsche Energieerzeugung einf\u00fchrt.<\/p>\n<p>Das Kernprinzip ist einfach: <strong>Durchfluss, der eine Zelle verl\u00e4sst, muss gleich dem Fluss in den Nachbarn <\/strong>. Wenn dies durch den Bau wahr ist, haben Sie lokale Erhaltung. Wenn es eine sorgf\u00e4ltige Konstruktion erfordert, m\u00fcssen Sie es \u00fcberpr\u00fcfen. Das Verst\u00e4ndnis dieser Unterscheidung - und der Tools, um sie zu \u00fcberpr\u00fcfen - ist der Unterschied zwischen dem Vertrauen Ihrer Simulation und der Pr\u00fcfung jedes Ergebnisses.<\/p>\n<h2>Das Konsistenzprinzip der Flussmittel: Lokaler und globaler Naturschutz<\/h2>\n<p>Die Erhaltungseigenschaft eines numerischen Schemas wird dadurch bestimmt, ob numerische Fl\u00fcsse \u00fcber Zellgrenzfl\u00e4chen hinweg konsistent sind. Dies ist in der Literatur als das <strong> Fluss-Konsistenzprinzip <\/strong> bekannt und erkl\u00e4rt, warum einige Methoden auf nat\u00fcrliche Weise Masse konservieren, w\u00e4hrend andere dies nicht tun.<\/p>\n<h3>Finite-Volumen-Methode: Konservierung durch Konstruktion<\/h3>\n<p>Die Finite-Volumen-Methode (FVM) garantiert die lokale Erhaltung, da sie per Definition Fl\u00fcsse \u00fcber Zellfl\u00e4chen hinweg ausgleicht. Wenn Masse aus einem Kontrollvolumen herausflie\u00dft, flie\u00dft genau die gleiche Menge in seinen Nachbarn. Es kann kein numerischer Fluss erzeugt oder zerst\u00f6rt werden - die algebraische Struktur der Diskretisierung erzwingt die globale Massenerhaltung automatisch.<\/p>\n<p>FIPY implementiert dies durch seine Konservierungsgleichungsstruktur, bei der jeder Konvektionsbegriff eine Flussbilanz \u00fcber Zellfl\u00e4chen hinweg darstellt. Die <a href=\"https:\/\/pages.nist.gov\/fipy\/en\/latest\/numerical\/equation.html\" target=\"_blank\" rel=\"nofollow noopener\"> FIPY-Erhaltungsgleichungsdokumentation <\/a> beschreibt, wie die allgemeine Erhaltungsgleichung genau diese Flusskonsistenz erzwingt.<\/p>\n<pre><code class=\"language-python\"># FiPy conservation equation \u2014 fluxes are balanced by construction\nequation = TransientTerm(var=phi) == UpwindConvectionTerm(coeff=velocity)<\/code><\/pre>\n<h3>Finite-Elemente-Methode: Konservierung erfordert Design<\/h3>\n<p>Standard-Finite-Element-Formulierungen <strong>Not<\/strong> konservieren die Masse automatisch lokal. Die schwache Form integriert sich \u00fcber Elemente, und Fl\u00fcsse \u00fcber interne Grenzen k\u00f6nnen global aufgehoben werden, ohne lokal zu erhalten. Aus diesem Grund k\u00f6nnen Standard-FEM-Formulierungen bei advektionsdominierten Problemen die Massenerhaltung verlieren.<\/p>\n<p>FEM kann jedoch durch speziell entworfene numerische Flussmittel eine lokale Konservierung erreichen. Die diskontinuierliche Galerkin-Methode (DG) erreicht beispielsweise durch ihre Schnittstellenfl\u00fcsse eine starke lokale Konservierung \u2014 siehe <a href=\"https:\/\/matforge.org\/discontinuous-galerkin-method-tutorial\/\" target=\"_blank\" rel=\"nofollow noopener\"> DG-Methoden-Tutorial <\/a> f\u00fcr eine detaillierte Ableitung. DG kombiniert Polynom-Approximation h\u00f6herer Ordnung mit flussbasierter Konservierung, die die Flusskonsistenz von FVM widerspiegelt.<\/p>\n<h3>Was dies f\u00fcr die Methodenauswahl bedeutet<\/h3>\n<table>\n<thead>\n<tr>\n<th>Verfahren<\/th>\n<th>Lokaler Naturschutz<\/th>\n<th>wie es es erreicht<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Endliches Volumen<\/td>\n<td><strong>stark \u2014 nach Konstruktion<\/strong><\/td>\n<td>Flussbilanz \u00fcber Zellfl\u00e4chen ist algebraische Notwendigkeit<\/td>\n<\/tr>\n<tr>\n<td>Kontinuierliche FEM<\/td>\n<td><strong>Abh\u00e4ngig von der Formulierung <\/strong><\/td>\n<td>erfordert ein sorgf\u00e4ltiges Flussdesign; Nicht automatisch<\/td>\n<\/tr>\n<tr>\n<td>Diskontinuierliche Galerkin<\/td>\n<td><strong>Stark \u2013 durch Fl\u00fcsse<\/strong><\/td>\n<td>Numerische Fl\u00fcsse an den Schnittstellen erzwingen die lokale Balance<\/td>\n<\/tr>\n<tr>\n<td>endlicher Unterschied<\/td>\n<td><strong>nicht garantiert<\/strong><\/td>\n<td>Derivate erzwingen kein Flussgleichgewicht zwischen den Zellen<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p><a href=\"https:\/\/matforge.org\/when-to-use-fem-fvm-fdm\/\" target=\"_blank\" rel=\"nofollow noopener\">Wann FEM, FVM oder FDM verwenden<\/a> Guide on Matforge.org erkl\u00e4rt diese Kompromisse im Detail, einschlie\u00dflich der Frage, wie die Auswahl der Konservierungsanforderungen vor der Ber\u00fccksichtigung der Geometrie oder Genauigkeit ber\u00fccksichtigt werden soll.<\/p>\n<h2>K\u00fcrzungsfehler und k\u00fcnstliche Viskosit\u00e4t<\/h2>\n<p>Jedes numerische Schema f\u00fchrt einen K\u00fcrzungsfehler ein - eine Differenz zwischen dem genauen Differentialoperator und seiner diskreten Approximation. Bei Aufwindschemata hat dieser K\u00fcrzungsfehler eine physikalische Interpretation: Er verh\u00e4lt sich wie k\u00fcnstliche Diffusion (auch numerische Viskosit\u00e4t genannt).<\/p>\n<h3>Die modifizierte Gleichung<\/h3>\n<p>Die <a href=\"https:\/\/cfd.university\/blog\/what-is-numerical-dissipation-in-cfd-and-why-do-we-need-it\/\" target=\"_blank\" rel=\"nofollow noopener\"> CFD University Modified Equation Analysis <\/a> bietet die vollst\u00e4ndige Ableitung. Hier ist das wesentliche Ergebnis.<\/p>\n<p>F\u00fcr Aufwind-Advektion erster Ordnung mit konstanter Geschwindigkeit $A$:<\/p>\n<p>$$$frac{partial Phi}{partial t} + a frac{partial Phi}{partial x} = unterbrace{frac{a delta x}{2}}_{text{K\u00fcnstlicher Viskosit\u00e4tskoeffizient}} frac{partial^2 phi}{partial x^2} + o(delta x^2)$$<\/p>\n<p>Der f\u00fchrende K\u00fcrzungsfehler wirkt wie ein Diffusionsterm mit dem Koeffizienten $  nu = a  delta x \/ 2 $. Dies erkl\u00e4rt sowohl, warum der Aufwind stabil ist (es f\u00fcgt Diffusion hinzu) als auch warum es Fronten verschmiert (diese Diffusion verbreitet Profile).<\/p>\n<h3>Die CFL-Nummer \u00e4ndert alles<\/h3>\n<p>Hier ist das nicht offensichtliche Ergebnis, das die meisten Praktizierenden verfehlen: Wenn eine Zeitdiskretisierung einbezogen wird, wird der k\u00fcnstliche Viskosit\u00e4tskoeffizient <strong>CFL-abh\u00e4ngig <\/strong>. Die komplette modifizierte Gleichung zeigt:<\/p>\n<p>$$nu = frac{a delta x}{2} (1 - text{cfl})$$<\/p>\n<p><strong> Bei CFL = 1 verschwindet die k\u00fcnstliche Diffusion.<\/strong> Dies erkl\u00e4rt, wenn der Aufwind \"frei\" ist - \u00fcberhaupt keine numerische Diffusion. Viele Simulationspraktiker arbeiten unwissentlich bei CFL = 1 und fragen sich, warum ihr Aufwindschema erster Ordnung unerwartet saubere Ergebnisse liefert. Die CFL-abh\u00e4ngige Formel erkl\u00e4rt warum.<\/p>\n<p>Dieses Ergebnis hat erhebliche praktische Auswirkungen:<\/p>\n<ul>\n<li>Bei CFL nahe 0 (sehr kleine Zeitschritte) f\u00fchrt Upwinding zu maximaler k\u00fcnstlicher Diffusion<\/li>\n<li>Bei CFL = 1 (Zeitschritt entspricht einer Zelltransitzeit), f\u00fcgt der Aufwind erster Ordnung keine k\u00fcnstliche Diffusion hinzu<\/li>\n<li>Bei CFL &gt; 1, die Formel deutet auf eine m\u00f6gliche Instabilit\u00e4t hin \u2013 die modifizierte Gleichung \u00e4ndert sich<\/li>\n<\/ul>\n<p>Beachten Sie, dass die zeitliche Diskretisierung auch zur numerischen Diffusion beitr\u00e4gt. Die Wahl des Zeitintegrators (Backward Euler, Crank-Niconcolson, Runge-Kutta) beeinflusst die D\u00e4mpfungseigenschaften unabh\u00e4ngig vom r\u00e4umlichen Schema. Die <a href=\"https:\/\/matforge.org\/time-integration-methods-for-pde-solvers-explicit-vs-implicit-schemes\/\" target=\"_blank\" rel=\"nofollow noopener\">Zeit Integrationsmethoden f\u00fcr PDE-Solver: Explicit vs Implicit Schemes <\/a> Leitfaden Erl\u00e4utert, wie zeitlicher Fehler mit der r\u00e4umlichen numerischen Diffusion interagiert und wie sie bei der Verifizierung getrennt werden kann.<\/p>\n<h3>Netzversatz erzeugt \"falsche Diffusion\"<\/h3>\n<p>Selbst bei einem physikalischen Diffusionskoeffizienten und einem perfekt gleichm\u00e4\u00dfigen Fluss f\u00fchren <strong> unstrukturierte Netze numerische Diffusion <\/strong> proportional zum Winkel zwischen der Str\u00f6mungsrichtung und den Zellfl\u00e4chennormalen ein. Dies wird als \"falsche Diffusion\" oder \"Kreuzwinddiffusion\" bezeichnet.<\/p>\n<p>Auf strukturierten kartesischen Gittern wird die mit einer Koordinatenachse ausgerichtete Str\u00f6mung sauber dargestellt. Auf unstrukturierten Netzen (Dreiecken, Tetraeder) f\u00fchrt selbst eine einfache gleichm\u00e4\u00dfige Str\u00f6mung zu einer k\u00fcnstlichen Diffusion, wenn die Str\u00f6mung das Netz schr\u00e4g \u00fcberquert. Die Diffusionsgr\u00f6\u00dfe skaliert mit $  sin ^ 2 ( theta) $, wobei $  theta $ der Fehlausrichtungswinkel ist.<\/p>\n<p>Dies erkl\u00e4rt, warum Simulationen auf unstrukturierten Netzen h\u00e4ufig eine feinere Aufl\u00f6sung als strukturierte Gitter f\u00fcr dasselbe Advektionsproblem erfordern - die k\u00fcnstliche Diffusion ist keine Eigenschaft des Schemas, sondern der Netzausrichtung.<\/p>\n<h2>Upwind-Schemata und der Diffusionsstabilit\u00e4ts-Trade-off<\/h2>\n<p>Upwind-Schemata f\u00fcgen numerische Diffusion hinzu, um die Advektionsberechnungen zu stabilisieren. Aber wie viel Diffusion wird eingef\u00fchrt? Und welche Alternativen gibt es?<\/p>\n<h3>Was Upwind tats\u00e4chlich tut<\/h3>\n<p>Upwind erster Ordnung ersetzt den symmetrischen zentralen Unterschied:<\/p>\n<p>$$frac{partial phi}{partial x}<\/p>\n<p>Mit richtungsbewusster Ann\u00e4herung:<\/p>\n<p>$$  frac { Partial  phi} { Partial X}  Approx  Frac { phi_i -  phi_ {i-1}} { delta x}  quad  text {(f\u00fcr} a &gt; 0  text {)} $$<\/p>\n<p>Wie die Analyse der CFD-Universit\u00e4t zeigt, kann diese Aufwind-N\u00e4herung genau so geschrieben werden:<\/p>\n<p>$$text{upwind} = text{central} - frac{delta x}{2} frac{partial^2}{partial x^2}$$<\/p>\n<p>Der Begriff der zweiten Derivate ist die k\u00fcnstliche Diffusion. Es unterdr\u00fcckt kurze Wellen und scharfe Steigungen - weshalb der Aufwind stabil ist, aber auch die Fronten verschmiert.<\/p>\n<h3>Numerischer Diffusionsvergleich von Elch<\/h3>\n<p><a href=\"https:\/\/mooseframework.inl.gov\/modules\/porous_flow\/numerical_diffusion.html\" target=\"_blank\" rel=\"nofollow noopener\">Numerische numerische Diffusionsdokumentation<\/a> Bietet den umfassendsten numerischen Diffusionsvergleich, der in jeder Open-Source-Solver-Dokumentation verf\u00fcgbar ist. Ihr Tracer-Advektionstest vergleicht sieben Diskretisierungsstrategien:<\/p>\n<table>\n<thead>\n<tr>\n<th>Diskretisierung<\/th>\n<th>Numerische Diffusion<\/th>\n<th>Hauptmerkmal<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Rahmen (zentral)<\/td>\n<td>M\u00e4\u00dfig<\/td>\n<td>zweiter Ordnung, bedingungslos nur mit Diffusion<\/td>\n<\/tr>\n<tr>\n<td>Masse-gekr\u00fcmmt<\/td>\n<td>niedrig bis m\u00e4\u00dfig<\/td>\n<td>Reduzierte Diffusion, aber m\u00f6gliche Schwingungen<\/td>\n<\/tr>\n<tr>\n<td>Voller Aufwind<\/td>\n<td><strong>hoch<\/strong><\/td>\n<td>Erste Ordnung, garantierte Stabilit\u00e4t<\/td>\n<\/tr>\n<tr>\n<td>RDG P0 (st\u00fcckweise konstant)<\/td>\n<td>M\u00e4\u00dfig<\/td>\n<td>DG mit Polynom nullter Ordnung, Aufwindfluss<\/td>\n<\/tr>\n<tr>\n<td><strong>RDG P0P1 (linear + Limiter)<\/strong><\/td>\n<td><strong>low<\/strong><\/td>\n<td><strong>Reduziert die Diffusion &gt;80% gegen\u00fcber vollem Aufwind<\/strong><\/td>\n<\/tr>\n<tr>\n<td>KT ohne Begrenzer<\/td>\n<td>niedrig bis m\u00e4\u00dfig<\/td>\n<td>Kuzmin-Turek-Schema, begrenzte Begrenzung<\/td>\n<\/tr>\n<tr>\n<td>KT mit Begrenzer<\/td>\n<td><strong>Niedrigster<\/strong><\/td>\n<td><strong>Flussbegrenzung reduziert die Diffusion signifikant<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Das <strong>RDG(P0P1)<\/strong>-Schema mit dem Superbee-Flussbegrenzer reduziert die numerische Diffusion um <strong>\u00fcber 80%<\/strong> im Vergleich zum vollst\u00e4ndigen Aufwinden unter Beibehaltung der Monotonie. Dies ist ein konkreter Beweis f\u00fcr die Methodenauswahl: Die lineare Rekonstruktion mit Flussbegrenzung ist der Aufwind erster Ordnung bei Transportproblemen, bei denen die Aufl\u00f6sung wichtig ist, weit \u00fcberlegen.<\/p>\n<h3>Wann Sie Full Upwind vs. Limited Schemes verwenden<\/h3>\n<p>Die <a href=\"https:\/\/mooseframework.inl.gov\/modules\/porous_flow\/upwinding.html\" target=\"_blank\" rel=\"nofollow noopener\">Dokumentation zum Aufwickeln von Moose<\/a> bietet praktische Anleitungen:<\/p>\n<ul>\n<li><strong>Verwenden Sie vollen Aufwind, wenn:<\/strong> Robustheit die Priorit\u00e4t ist, L\u00f6sungsbegrenzung ist wichtiger als Aufl\u00f6sung, oder Sie l\u00f6sen starke nichtlineare Probleme, wenn Oszillationen den Solver besch\u00e4digen w\u00fcrden<\/li>\n<li><strong>Verwenden Sie begrenzte Schemata h\u00f6herer Ordnung, wenn:<\/strong> Transportraten quantitativ gemessen werden, scharfe Fronten gel\u00f6st werden m\u00fcssen oder das Problem schwache Nichtlinearit\u00e4ten hat, die keinen vollst\u00e4ndigen Aufwind erfordern<\/li>\n<\/ul>\n<p><strong>Der praktische Kompromiss: <\/strong> Voller Aufwind ist robust, aber zu diffus. Begrenzte Schemata bewahren die Aufl\u00f6sung, erh\u00f6hen aber nichtlineare Komplexit\u00e4t. F\u00fcr konservierungskritische Simulationen (Reaktiver Transport, Phasenfeldmodelle) ist die zus\u00e4tzliche Komplexit\u00e4t in der Regel die Aufl\u00f6sung wert.<\/p>\n<h2>Skew-symmetrische Formulierungen zur Energieerhaltung<\/h2>\n<p>Bei der Simulation von komprimierbaren Str\u00f6mungs- oder Reaktionssystemen wird die Energieeinsparung kritisch. Konservative Standardformulierungen nichtlinearer Konvektion k\u00f6nnen durch Aliasing-Fehler kinetische Energie erzeugen oder zerst\u00f6ren. Die L\u00f6sung, die in einer h\u00e4ufig zitierten \u00dcbersicht identifiziert wurde, besteht darin, den konvektiven Betreiber neu zu formulieren.<\/p>\n<h3>Coppola 2019: Die schief-symmetrische Spaltung<\/h3>\n<p>Die bahnbrechende ASME-\u00dcberpr\u00fcfung von 2019 von Coppola (95 Citations) zur diskreten Energieeinsparung zeigt, dass <strong> nichtlineare Konvektionsbegriffe die kinetische Energie nur dann erhalten, wenn sie in geteilter Form <\/strong> formuliert sind. Die wichtigste Erkenntnis ist, dass der konvektive Operator aufgeteilt werden muss in:<\/p>\n<ol>\n<li>Eine <strong>Konservative Form<\/strong> (Divergenzformular): $nabla cdot (mathbf{u} phi)$<\/li>\n<li>Eine <strong>schief-symmetrische Form<\/strong>: $mathbf{u} cdot nabla phi - frac{1}{2} (nabla cdot mathbf{u})  phi $<\/li>\n<\/ol>\n<p>Wenn es kombiniert wird, wird der diskrete konvektive Operator schief adjungiert, was bedeutet, dass er quadratische Invarianten wie kinetische Energie ohne k\u00fcnstliche Dissipation bewahrt. Dadurch wird verhindert, dass Aliasing-Fehler Energie verursachen (oder zerst\u00f6ren).<\/p>\n<p>F\u00fcr den inkompressiblen Fluss ($nabla cdot mathbf{u} = 0$) vereinfacht sich die symmetrische Form der folgenden Form:<\/p>\n<p>$$Mathbf{u} cdot nabla phi$$<\/p>\n<p>F\u00fcr die komprimierbare Str\u00f6mung ist der Divergenzbegriff wichtig und die schiefsymmetrische Aufteilung wird f\u00fcr die Energieeinsparung von wesentlicher Bedeutung.<\/p>\n<h3>Warum dies f\u00fcr DG-Methoden wichtig ist<\/h3>\n<p>Die von Gassner und anderen entwickelte diskontinuierliche Galerkin Energy-Stable-Methode (DGSEM) verwendet diese schief-symmetrische Spaltung, um eine diskrete Energieerhaltung sicherzustellen. Informationen zum DG-Fluss-Design finden Sie im <a href=\"https:\/\/matforge.org\/discontinuous-galerkin-method-tutorial\/\" target=\"_blank\" rel=\"nofollow noopener\">DG-Methoden-Tutorial<\/a>. DG-Methoden mit entropiestabilen Fl\u00fcssen und schief-symmetrischen konvektiven Spaltungen sind der Stand der Technik f\u00fcr energieerhaltende Simulationen komprimierbarer Str\u00f6mung.<\/p>\n<h3>Wenn schief-symmetrische Formulierungen unerl\u00e4sslich sind<\/h3>\n<table>\n<thead>\n<tr>\n<th>Problemtyp<\/th>\n<th>Standardformular ausreichend?<\/th>\n<th>Schr\u00e4g-symmetrisch ben\u00f6tigt?<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>inkompressibler Durchfluss, geringer Mach<\/td>\n<td>Manchmal (wenn gut gel\u00f6st)<\/td>\n<td><strong>Ja, f\u00fcr strikte Energieeinsparung<\/strong><\/td>\n<\/tr>\n<tr>\n<td>komprimierbarer Durchfluss<\/td>\n<td><strong>Nein<\/strong><\/td>\n<td><strong>Essential<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Turbulente Str\u00f6mung \/ LES<\/td>\n<td><strong>Nein<\/strong><\/td>\n<td><strong>Essential<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Reaktionsfluss mit Energiekopplung<\/td>\n<td><strong>Nein<\/strong><\/td>\n<td><strong>Essential<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Einfache Diffusion oder inkompressibler Transport<\/td>\n<td>Nein<\/td>\n<td>Optional (Bequemlichkeit)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>\u00dcberpr\u00fcfung der Erhaltung in der Praxis<\/h2>\n<p>Die Theorie sagt uns, welche Schemata Masse und Energie sparen. In der Praxis m\u00fcssen Sie es \u00fcberpr\u00fcfen. Hier ist ein schrittweiser Workflow.<\/p>\n<h3>Schritt 1: Definieren Sie die Konservierungsmenge<\/h3>\n<p>Identifizieren Sie, welche physikalischen Mengen konserviert werden m\u00fcssen. Gemeinsame Entscheidungen:<\/p>\n<ul>\n<li><strong>Mass<\/strong> (Integral von Konzentration oder Dichte \u00fcber die Dom\u00e4ne)<\/li>\n<li><strong>Energie<\/strong> (W\u00e4rmeenergie, kinetische Energie oder Gesamtenergie)<\/li>\n<li><strong>Artenmasse<\/strong> (Einzelne chemische Spezies)<\/li>\n<\/ul>\n<h3>Schritt 2: Berechnen Sie das diskrete Integral<\/h3>\n<p>Berechnen Sie bei jedem Zeitschritt das Dom\u00e4nenintegral:<\/p>\n<pre><code class=\"language-python\"># Mass conservation check in a scalar transport problem\nimport numpy as np\nfrom fipy import Grid2D, CellVariable\n\nmesh = Grid2D(nx=100, ny=100, dx=0.01, dy=0.01)\nphi = CellVariable(mesh=mesh, value=0.0)\n\n# Initial mass\ninitial_mass = np.sum(phi.value * mesh.cellVolumes)\nprint(f\"Initial mass: {initial_mass:.6f}\")\n\n# After simulation\nfinal_mass = np.sum(phi.value * mesh.cellVolumes)\nprint(f\"Final mass: {final_mass:.6f}\")\nprint(f\"Mass loss: {(initial_mass - final_mass) \/ initial_mass * 100:.4f}%\")<\/code><\/pre>\n<h3>Schritt 3: Grenzfl\u00fcsse \u00fcberpr\u00fcfen<\/h3>\n<p>Verst\u00f6\u00dfe gegen den Naturschutz entstehen in der Regel an Grenzen. \u00dcberpr\u00fcfen Sie, dass:<\/p>\n<ul>\n<li>Zuflussfl\u00fcsse stimmen mit den vorgeschriebenen Grenzwerten \u00fcberein<\/li>\n<li>Abflussgrenzen begrenzen das Problem nicht<\/li>\n<li>Keine Flussgrenzen haben wirklich keinen Fluss<\/li>\n<\/ul>\n<h3>Schritt 4: Vergleichen Sie gegen Referenz<\/h3>\n<p><a href=\"https:\/\/matforge.org\/verification-vs-validation-in-scientific-simulations-a-practical-guide\/\" target=\"_blank\" rel=\"nofollow noopener\">Verifikation VS Validation Guide <\/a> erkl\u00e4rt, dass die \u00dcberpr\u00fcfung mit analytischen oder hergestellten L\u00f6sungen verglichen werden muss. Zur Erhaltungspr\u00fcfung:<\/p>\n<ol>\n<li>F\u00fchren Sie ein Transportproblem mit der bekannten anf\u00e4nglichen Masse aus<\/li>\n<li>Stellen Sie sicher, dass die numerische Masse im Laufe der Zeit konstant bleibt (innerhalb der Toleranz).<\/li>\n<li>Testen Sie mit mehreren Netzaufl\u00f6sungen - Konservierung sollte sich verbessern oder konstant bleiben, wenn das Netz verfeinert und nicht verschlechtert wird<\/li>\n<\/ol>\n<h3>Schritt 5: Dokumentieren Sie die Toleranz<\/h3>\n<p>Legen Sie eine f\u00fcr Ihr Problem geeignete Erhaltungstoleranz fest:<\/p>\n<ul>\n<li><strong>Wissenschaftliche Ver\u00f6ffentlichung:<\/strong> Massenfehler &lt; 0,1%<\/li>\n<li><strong>Simulation:<\/strong> Massenfehler &lt; 1%<\/li>\n<li><strong>Research Prototyping:<\/strong> Massenfehler &lt; 5% (aber dokumentieren)<\/li>\n<\/ul>\n<h2>Advanced Conservation Enforcement: Entspannungsbasierte Methoden<\/h2>\n<p>Wenn die Standarddiskretisierung keine ausreichende Erhaltung erreicht, bieten neuere Methoden Nachbearbeitungskorrekturen an.<\/p>\n<h3>Das Ergebnis ARXIV 2604.05940<\/h3>\n<p>Ein k\u00fcrzlich von Rajvanshi und Ketcheson (ARXIV 2604.05940, April 2026) vorgelegter Vorabdruck von Rajvanshi und Ketcheson f\u00fchrt <strong> Relaxation-based Conservation-Durchforcement <\/strong> f\u00fcr die Massen- und Energiebilanz ein. Die Methode arbeitet mit jedem Zeitschrittschema, indem eine Korrektur nach dem Zeitschritt hinzugef\u00fcgt wird.<\/p>\n<p><strong>Key Results:<\/strong><\/p>\n<ul>\n<li>Erzielt eine maschinelle Genauigkeitskonservierung bis zu <strong>10\u207b\u00b9\u2074<\/strong>-Fehler<\/li>\n<li>Zwei Varianten: <strong>Multiple-Relaxation<\/strong> und <strong>Projektionsentspannung<\/strong><\/li>\n<li><strong>Projection-Entspannung<\/strong> ist robuster und erfordert nur die L\u00f6sung eines skalaren Wurzelfindungsproblems (2-3\u00d7 Rechenkosten)<\/li>\n<li>Validiert auf kosmologischen 2D- und 3D-Testf\u00e4llen<\/li>\n<\/ul>\n<p>Die Methode gilt f\u00fcr implizite-explizite (IMEX) Runge-Kutta-Schemata und kann gleichzeitig die Massenerhaltung und Energiebilanz durchsetzen. Dies ist besonders wertvoll f\u00fcr Simulationen, bei denen sich \u00fcber lange Zeitr\u00e4ume Schutzverletzungen ansammeln und die physische Genauigkeit beeintr\u00e4chtigen.<\/p>\n<p><strong>Wann entspannungsbasierte Methoden:<\/strong><\/p>\n<ul>\n<li>Langzeitsimulationen, bei denen sich kleine Konservierungsfehler ansammeln<\/li>\n<li>Multi-Physik-Kopplung, bei der Schutzverletzungen Instabilit\u00e4t verursachen<\/li>\n<li>Schemata h\u00f6herer Ordnung, die strenge Erhaltung f\u00fcr die L\u00f6sung opfern<\/li>\n<li>Produktionssimulationen, bei denen Masse\/Energiebilanz nicht verhandelbar ist<\/li>\n<\/ul>\n<h2>Praktischer Entscheidungsrahmen<\/h2>\n<p>Die Wahl einer Diskretisierung f\u00fcr konservierungskritische Simulationen erfordert die gleichzeitige Ber\u00fccksichtigung mehrerer Faktoren.<\/p>\n<h3>Methodenauswahlmatrix<\/h3>\n<table>\n<thead>\n<tr>\n<th>Lage<\/th>\n<th>Empfohlener Ausgangspunkt<\/th>\n<th>Erhaltungsniveau<\/th>\n<th>Wann upgraden<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Massentransport auf strukturiertem Netz, stetig<\/td>\n<td>zentraler Unterschied oder Hybrid<\/td>\n<td>Moderat (FVM)<\/td>\n<td>Upgrade, wenn Spitzenwerte ungenau sind<\/td>\n<\/tr>\n<tr>\n<td>Reaktiver Transport mit scharfen Fronten<\/td>\n<td>Begrenzte h\u00f6here Ordnung (z. B. Moose RDG P0P1)<\/td>\n<td>Stark<\/td>\n<td>Nur verwenden, wenn die Aufl\u00f6sung kritisch ist<\/td>\n<\/tr>\n<tr>\n<td>Komprimierbarer Durchfluss mit Energiekupplung<\/td>\n<td>DG mit schr\u00e4g-symmetrischer Spaltung<\/td>\n<td>Stark (DGSEM)<\/td>\n<td>Erforderlich - nicht optional<\/td>\n<\/tr>\n<tr>\n<td>Turbulente Str\u00f6mung \/ LES<\/td>\n<td>Hochwertige DG- oder Spektralmethoden<\/td>\n<td>Stark<\/td>\n<td>Unverzichtbar f\u00fcr die k\u00f6rperliche Treue<\/td>\n<\/tr>\n<tr>\n<td>Phasenfeld- \/ Mehrphasenfluss<\/td>\n<td>FVM oder DG mit Flussbegrenzern<\/td>\n<td>Stark<\/td>\n<td>Upgrade, wenn die Schnittstellenaufl\u00f6sung wichtig ist<\/td>\n<\/tr>\n<tr>\n<td>Einfache Diffusion, keine starke Konvektion<\/td>\n<td>Standard-FEM oder FVM<\/td>\n<td>Ausreichend<\/td>\n<td>Kein Upgrade erforderlich<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Entscheidungsregeln<\/h3>\n<ol>\n<li><strong>Wenn die Erhaltung nicht verhandelbar ist<\/strong> (Massen-Energie-Balance muss genau sein): Beginnen Sie mit FVM oder DG. Das Flussmittelkonsistenzprinzip garantiert es durch Design.<\/li>\n<li><strong>Wenn scharfe Fronten aufgel\u00f6st werden m\u00fcssen<\/strong> ohne St\u00f6rschwingungen: Verwenden Sie begrenzte Schemata h\u00f6herer Ordnung (Moose RDG P0P1, Kuzmin-Turek mit Limiter). Vermeiden Sie vollen Aufwind - es reduziert die Diffusion um weniger als das, was begrenzte Schemata erreichen.<\/li>\n<li><strong>Wenn komprimierbare Str\u00f6mungsenergieschutzmittel<\/strong>: Verwenden Sie symmetrische Split-Formulierungen (Coppola 2019, Gassner DGSEM). Konservative Standardformen k\u00f6nnen durch Aliasing Energie erzeugen.<\/li>\n<li><strong>Wenn Sie bei langen Simulationen eine strikte Massenerhaltung ben\u00f6tigen: <\/strong>: Betrachten Sie die relance-basierte Durchsetzung (ARXIV 2604.05940) als einen Nachbearbeitungsschritt bei 2-3 \u00d7 Rechenkosten.<\/li>\n<li><strong>Wenn die Netzaufl\u00f6sung begrenzt ist<\/strong>: Achten Sie auf eine falsche Diffusion auf unstrukturierten Netzen. Strukturierte Gitter vermeiden dies. Erwarten Sie auf unstrukturierten Netzen eine h\u00f6here k\u00fcnstliche Diffusion, die dem Str\u00f6mungs-Maschen-Fehlausrichtungswinkel proportional ist.<\/li>\n<\/ol>\n<h3>Zusammenfassung: Was zu vermeiden<\/h3>\n<table>\n<thead>\n<tr>\n<th>Fehler<\/th>\n<th>Folge<\/th>\n<th>Fix<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Unter der Annahme, dass alle Diskretisierungen gleicherma\u00dfen erhalten<\/td>\n<td>Massenverlust, falsche Energie<\/td>\n<td>\u00dcberpr\u00fcfen Sie die Erhaltung mit Dom\u00e4nenintegralen<\/td>\n<\/tr>\n<tr>\n<td>Verwenden von vollem Aufwind, wenn begrenzte Schemata verf\u00fcgbar sind<\/td>\n<td>80% + unn\u00f6tige Diffusion<\/td>\n<td>Verwenden Sie Moose RDG P0P1 oder \u00e4hnliches<\/td>\n<\/tr>\n<tr>\n<td>Ignorieren der CFL-Abh\u00e4ngigkeit der k\u00fcnstlichen Viskosit\u00e4t<\/td>\n<td>Diffusion \u00fcbersch\u00e4tzen oder untersch\u00e4tzen<\/td>\n<td>\u00dcberpr\u00fcfen Sie die CFL-Nummer neben dem Netz<\/td>\n<\/tr>\n<tr>\n<td>Verwenden von konservativen Standardformen f\u00fcr komprimierbaren Fluss<\/td>\n<td>falsche Energieerzeugung<\/td>\n<td>Verwenden Sie schief-symmetrische Split (Coppola 2019)<\/td>\n<\/tr>\n<tr>\n<td>Nicht Ber\u00fccksichtigung von Netzfehlstellungen<\/td>\n<td>Falsche Diffusion auf unstrukturierten Netzen<\/td>\n<td>Verwenden Sie nach M\u00f6glichkeit strukturierte Gitter<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Zusammenfassung und n\u00e4chste Schritte<\/h2>\n<p>Die Erhaltungseigenschaften bei der Diskretisierung werden durch die Flusskonsistenz \u00fcber die Zellgrenzfl\u00e4chen bestimmt. FVM erreicht dies durch Konstruktion. DG erreicht es durch numerische Fl\u00fcsse. Standard-FEM erfordert sorgf\u00e4ltiges Design.<\/p>\n<p>Die wichtigste Erkenntnis ist, dass <strong> numerische Diffusion keine unvermeidbare Eigenschaft von Advektionsschemata ist <\/strong> - sie h\u00e4ngt von der CFL-Nummer, der Netzausrichtung und der Schemawahl ab. Der Aufwind erster Ordnung f\u00fcgt eine k\u00fcnstliche Viskosit\u00e4t hinzu, die bei CFL = 1 verschwindet. Begrenzte Schemata h\u00f6herer Ordnung reduzieren die numerische Diffusion um \u00fcber 80% im Vergleich zum vollst\u00e4ndigen Aufwinden. Skew-symmetrische Formulierungen verhindern eine falsche Energieerzeugung im komprimierbaren Fluss.<\/p>\n<p>F\u00fcr konservierungskritische Simulationen immer quantitative Masse und Energiebilanz \u00fcberpr\u00fcfen. Verlassen Sie sich nicht nur auf die Wahl der Methoden - das Prinzip der Flusskonsistenz ist eine theoretische Garantie, sondern Ihre spezifische Implementierung muss \u00fcberpr\u00fcft werden.<\/p>\n<p><strong>Empfohlene n\u00e4chste Schritte:<\/strong><\/p>\n<ol>\n<li>F\u00fchren Sie einen Massenkonservierungstest f\u00fcr Ihre aktuelle Simulation durch (Compute-Dom\u00e4nenintegrale zu jedem Zeitschritt)<\/li>\n<li>Wenn der Konservierungsfehler Ihre Toleranz \u00fcberschreitet, sollten Sie ein Upgrade auf begrenzte Schemes h\u00f6herer Ordnung in Betracht ziehen<\/li>\n<li>\u00dcberpr\u00fcfen Sie f\u00fcr den komprimierbaren Fluss, dass Ihr konvektiver Operator eine schr\u00e4g-symmetrische Aufteilung verwendet<\/li>\n<li>Erw\u00e4gen Sie die durchsetzungsbasierte Durchsetzung f\u00fcr Simulationen mit langer Dauer, bei denen sich kleine Fehler ansammeln<\/li>\n<\/ol>\n<p>Der <a href=\"https:\/\/matforge.org\/advection-dominated-problems-supg-stabilization\/\" target=\"_blank\" rel=\"nofollow noopener\"> Advection-dominierte Problemf\u00fchrer <\/a> auf Matforge.org enth\u00e4lt erg\u00e4nzende Leitlinien zu Stabilisierungsstrategien (SUPG, Flussbegrenzer, Peclet-Analyse), die neben den hier behandelten Erhaltungseigenschaften funktionieren.<\/p>\n<h2>weiterlesen<\/h2>\n<ul>\n<li>Coppola, S. (2019). \u00fcber die Erhaltung quadratischer Invarianten in numerischen Schemata f\u00fcr die kompressiblen Euler- und Navier-Stokes-Gleichungen. <em> ASME Applied Mechanics Reviews <\/em>, 71 (1). 95 Zitate.<\/li>\n<li>Rajvanshi, A. &amp; Ketcheson, D. I. (2026). Effiziente Massenerhaltungs- und Energieausgleichsprogramme hoher Ordnung. <em> arXiv: 2604.05940 <\/em>.<\/li>\n<li>Moose Numerical Diffusion Documentation: https:\/\/mooseframework.inl.gov\/modules\/porous_flow\/numerical_diffusion.html<\/li>\n<li>CFD University Modifizierte Gleichungsanalyse: https:\/\/cfd.university\/blog\/what-is-numerical-dissipation-in-cfd-and-why-do-we-need-it\/<\/li>\n<\/ul>\n<h2>Verwandte Anleitungen<\/h2>\n<ul>\n<li><a href=\"https:\/\/matforge.org\/advection-dominated-problems-supg-stabilization\/\">Advektionsdominierte Probleme: Aufw\u00e4rtswindschemata und SUPG-Stabilisierung<\/a> \u2014 Querverweis f\u00fcr Stabilisierungsstrategien (SUPG, Flussbegrenzer, Peclet-Analyse)<\/li>\n<li><a href=\"https:\/\/matforge.org\/discontinuous-galerkin-method-tutorial\/\">Tutorial zur diskontinuierlichen Galerkin-Methode<\/a> - DG-Flussdesign und lokale Konservierungsdetails<\/li>\n<li><a href=\"https:\/\/matforge.org\/verification-vs-validation-in-scientific-simulations-a-practical-guide\/\">Verifikation vs. Validierung in wissenschaftlichen Simulationen<\/a> \u2014 MMS- und Verifizierungsmethode<\/li>\n<li><a href=\"https:\/\/matforge.org\/when-to-use-fem-fvm-fdm\/\">Wann verwendet werden FEM, FVM oder FDM<\/a> \u2014 Methodenauswahl einschlie\u00dflich Konservierungsanforderungen<\/li>\n<li><a href=\"https:\/\/matforge.org\/time-integration-methods-for-pde-solvers-explicit-vs-implicit-schemes\/\">Zeitintegrationsmethoden f\u00fcr PDE-Solver<\/a> \u2014 Zeitliche Fehlerdiskussion und CFL-Einschr\u00e4nkungen<\/li>\n<\/ul>\n"},"excerpt":{"rendered":"<p><span class=\"span-reading-time rt-reading-time\" style=\"display: block;\"><span class=\"rt-label rt-prefix\">Reading Time: <\/span> <span class=\"rt-time\"> 10<\/span> <span class=\"rt-label rt-postfix\">minutes<\/span><\/span>tl; dr Local Conservation wird durch die Konsistenz des FVM-Flusses garantiert; FEM und DG m\u00fcssen Fl\u00fcsse sorgf\u00e4ltig auslegen. Der Aufwind erster Ordnung erh\u00f6ht die k\u00fcnstliche Viskosit\u00e4t &#8211; Bei CFL = 1 verschwindet es , ein \u00fcberraschendes Ergebnis, das die meisten Praktizierenden verpassen. Das RDG (P0P1) von Moose mit Flussbegrenzung reduziert die numerische Diffusion um \u00fcber [&hellip;]<\/p>\n","protected":false,"raw":""},"author":4,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_locale":"de_DE","_original_post":"https:\/\/matforge.org\/?p=506","iawp_total_views":2,"footnotes":""},"categories":[2],"tags":[],"class_list":["post-898","post","type-post","status-publish","format-standard","hentry","category-fipy-documentation-examples-development","de-DE"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.3 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz - matforge.org<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz - matforge.org\" \/>\n<meta property=\"og:description\" content=\"Reading Time:  10 minutestl; dr Local Conservation wird durch die Konsistenz des FVM-Flusses garantiert; FEM und DG m\u00fcssen Fl\u00fcsse sorgf\u00e4ltig auslegen. Der Aufwind erster Ordnung erh\u00f6ht die k\u00fcnstliche Viskosit\u00e4t &#8211; Bei CFL = 1 verschwindet es , ein \u00fcberraschendes Ergebnis, das die meisten Praktizierenden verpassen. Das RDG (P0P1) von Moose mit Flussbegrenzung reduziert die numerische Diffusion um \u00fcber [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/\" \/>\n<meta property=\"og:site_name\" content=\"matforge.org\" \/>\n<meta property=\"article:published_time\" content=\"2026-07-30T12:23:18+00:00\" \/>\n<meta name=\"author\" content=\"Priya Nair\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Priya Nair\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"15\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\\\/\"},\"author\":{\"name\":\"Priya Nair\",\"@id\":\"https:\\\/\\\/matforge.org\\\/#\\\/schema\\\/person\\\/2effd7bc155a5e6357f31dac970c5795\"},\"headline\":\"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz\",\"datePublished\":\"2026-07-30T12:23:18+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\\\/\"},\"wordCount\":2929,\"commentCount\":0,\"articleSection\":[\"FIPY: Dokumentation, Beispiele &amp; Entwicklung\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/matforge.org\\\/de\\\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\\\/\",\"url\":\"https:\\\/\\\/matforge.org\\\/de\\\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\\\/\",\"name\":\"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz - matforge.org\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/#website\"},\"datePublished\":\"2026-07-30T12:23:18+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/#\\\/schema\\\/person\\\/2effd7bc155a5e6357f31dac970c5795\"},\"breadcrumb\":{\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/matforge.org\\\/de\\\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\\\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/matforge.org\\\/de\\\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/matforge.org\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/matforge.org\\\/#website\",\"url\":\"https:\\\/\\\/matforge.org\\\/\",\"name\":\"matforge.org\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/matforge.org\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/matforge.org\\\/#\\\/schema\\\/person\\\/2effd7bc155a5e6357f31dac970c5795\",\"name\":\"Priya Nair\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f11e168d4cd2f1eff83cbb851d6cff42d81d88bb59d8831ee77468aa4a5eea88?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f11e168d4cd2f1eff83cbb851d6cff42d81d88bb59d8831ee77468aa4a5eea88?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f11e168d4cd2f1eff83cbb851d6cff42d81d88bb59d8831ee77468aa4a5eea88?s=96&d=mm&r=g\",\"caption\":\"Priya Nair\"},\"sameAs\":[\"http:\\\/\\\/matforge.org\"],\"url\":\"https:\\\/\\\/matforge.org\\\/author\\\/priya-nair\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz - matforge.org","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/","og_locale":"de_DE","og_type":"article","og_title":"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz - matforge.org","og_description":"Reading Time:  10 minutestl; dr Local Conservation wird durch die Konsistenz des FVM-Flusses garantiert; FEM und DG m\u00fcssen Fl\u00fcsse sorgf\u00e4ltig auslegen. Der Aufwind erster Ordnung erh\u00f6ht die k\u00fcnstliche Viskosit\u00e4t &#8211; Bei CFL = 1 verschwindet es , ein \u00fcberraschendes Ergebnis, das die meisten Praktizierenden verpassen. Das RDG (P0P1) von Moose mit Flussbegrenzung reduziert die numerische Diffusion um \u00fcber [&hellip;]","og_url":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/","og_site_name":"matforge.org","article_published_time":"2026-07-30T12:23:18+00:00","author":"Priya Nair","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Priya Nair","Gesch\u00e4tzte Lesezeit":"15\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/#article","isPartOf":{"@id":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/"},"author":{"name":"Priya Nair","@id":"https:\/\/matforge.org\/#\/schema\/person\/2effd7bc155a5e6357f31dac970c5795"},"headline":"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz","datePublished":"2026-07-30T12:23:18+00:00","mainEntityOfPage":{"@id":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/"},"wordCount":2929,"commentCount":0,"articleSection":["FIPY: Dokumentation, Beispiele &amp; Entwicklung"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/","url":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/","name":"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz - matforge.org","isPartOf":{"@id":"https:\/\/matforge.org\/#website"},"datePublished":"2026-07-30T12:23:18+00:00","author":{"@id":"https:\/\/matforge.org\/#\/schema\/person\/2effd7bc155a5e6357f31dac970c5795"},"breadcrumb":{"@id":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/matforge.org\/de\/conservation-properties-in-discretization-ensuring-mass-and-energy-balance\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/matforge.org\/de\/"},{"@type":"ListItem","position":2,"name":"Konservierungseigenschaften bei Diskretisierung: Gew\u00e4hrleistung der Massen- und Energiebilanz"}]},{"@type":"WebSite","@id":"https:\/\/matforge.org\/#website","url":"https:\/\/matforge.org\/","name":"matforge.org","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/matforge.org\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/matforge.org\/#\/schema\/person\/2effd7bc155a5e6357f31dac970c5795","name":"Priya Nair","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/secure.gravatar.com\/avatar\/f11e168d4cd2f1eff83cbb851d6cff42d81d88bb59d8831ee77468aa4a5eea88?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/f11e168d4cd2f1eff83cbb851d6cff42d81d88bb59d8831ee77468aa4a5eea88?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/f11e168d4cd2f1eff83cbb851d6cff42d81d88bb59d8831ee77468aa4a5eea88?s=96&d=mm&r=g","caption":"Priya Nair"},"sameAs":["http:\/\/matforge.org"],"url":"https:\/\/matforge.org\/author\/priya-nair\/"}]}},"_links":{"self":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts\/898","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/comments?post=898"}],"version-history":[{"count":1,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts\/898\/revisions"}],"predecessor-version":[{"id":1010,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/posts\/898\/revisions\/1010"}],"wp:attachment":[{"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/media?parent=898"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/categories?post=898"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/matforge.org\/wp-json\/wp\/v2\/tags?post=898"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}