Preconditioning for Efficiently Applying Algebraic Multigrid in Fully Implicit Reservoir Simulations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Summary Fully implicit black-oil simulations result in huge, often very-ill-conditioned, linear systems of equations for different unknowns (e.g., pressure and saturations). It is well-known that the underlying Jacobian matrices contain both hyperbolic and nearly elliptic subsystems (corresponding to saturations and pressure, respectively). Because a reservoir simulation is typically driven by the behavior of the pressure, constrained-pressure-residual (CPR)-type two-stage preconditioning methods to solve the coupled linear systems are a natural choice and still belong to the most popular approaches. After a suitable extraction and decoupling, the computationally most costly step in such two-stage methods consists in solving the elliptic subsystems accurately enough. Algebraic multigrid (AMG) provides a technique to solve elliptic linear equations very efficiently. Hence, in recent years, corresponding CPR-AMG approaches have been extensively used in practice. Unfortunately, if applied in a straightforward manner, CPR-AMG does not always work as expected. In this paper, we discuss the reasons for the lack of robustness observed in practice, and present remedies. More precisely, we will propose a preconditioning strategy (based on a suitable combination of left and right preconditioning of the Jacobian matrix) that aims at a compromise between the solvability of the pressure subproblem by AMG and the needs of the outer CPR process. The robustness of this new preconditioning strategy will be demonstrated for several industrial test cases, some of which are very ill-conditioned. Furthermore, we will demonstrate that CPR-AMG can be interpreted in a natural way as a special AMG process applied directly to the coupled Jacobian systems.
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.
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 | 0,001 |
| 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 découle