Parallel Computing Techniques for Large-Scale Reservoir Simulation of Multi-Component and Multiphase Fluid Flow
Notice bibliographique
Résumé
Abstract Massively parallel computing techniques can overcome limitations of problem size and space resolution for reservoir simulation on single-processor machine. This paper reports on our work to parallelize a widely used numerical simulator, known as TOUGH2, for nonisothermal flows of multi-component, multiphase fluids in three-dimensional porous and fractured media. We have implemented the TOUGH2 package on a Cray T3E-900, a distributed-memory massively parallel computer with 695 processors. For the simulation of large-scale multicomponent, multiphase fluid flow, the requirements for computer memory and computing time are extensive. Because of the limitation of computer memory in each PE (processing element), we distribute not only computing time but also the memory requirement to different PEs. In this study, the METIS software package for partitioning unstructured graph and meshes is adopted for domain partitioning, and the Aztec linear solver package is used for solving linear equation systems. The efficiency of the code is investigated through the modeling of a three-dimensional variably saturated flow problem, which involves more than one million gridblocks. The execution time and speedup are evaluated through comparing the performance of different numbers of processors. The results indicate that the parallel code can significantly improve capacity and efficiency for large-scale simulations.
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 | 0,000 | 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 ».