Investigation of a modified sequential iteration approach for solving coupled reactive transport problems
Notice bibliographique
Résumé
When contaminants enter the soil or groundwater, they may interact physically, geochemically and biochemically with the native water, microorganisms and solid matrix. A realistic description of a reactive transport regime that includes these processes requires joint consideration of multiple chemical species. Currently there are three common numerical approaches for coupling multispecies reaction and solute transport: the one-step approach, the sequential non-iterative approach (SNIA), and the sequential iterative approach (SIA). A modification of the SNIA method is the Strang-splitting method. In this study, a new modified sequential iteration approach (MSIA) for solving multicomponent reactive transport in steady state groundwater flow is presented. This coupling approach has been applied to two realistic reactive transport problems and its performance compared with the SIA and the Strang-splitting methods. The comparison shows that MSIA consistently converges faster than the other two coupling schemes. For the simulation of nitrogen and related species transport and reaction in a riparian aquifer, the total CPU time required by MSIA is only about 38% of the total CPU time required by the SIA, and only 50% of the CPU time required by the Strang-splitting method. The test problem results indicate that the SIA has superior accuracy, while the accuracy of MSIA is marginally better than that of the Strang-splitting method. The overall performance of MSIA is considered to be good, especially for simulations in which computational time is a critical factor. Copyright © 2005 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».