MétaCan
Menu
Retour à la cohorte
Enregistrement W2340486262 · doi:10.2118/180110-ms

An Application of the Isogeometric Analysis Method to Reservoir Simulation

2016· article· en· W2340486262 sur OpenAlexfundno aff
Eric Alexander Lynd, John T. Foster, Quoc P. Nguyen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Numerical Analysis Techniques
Établissements canadiensnon disponible
Organismes subventionnairesCMG Reservoir Simulation FoundationUniversity of Texas at Austin
Mots-clésIsogeometric analysisDiscretizationFinite element methodComputer scienceConvergence (economics)Applied mathematicsDegrees of freedom (physics and chemistry)Field (mathematics)Mathematical optimizationSource codeAlgorithmComputational scienceMathematicsMathematical analysisStructural engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The isogeometric analysis method (IGA) has been an emerging technique for exact geometrical discretization and efficient high order approximations in the field of computational engineering. While its potential has been demonstrated in a variety of disciplines, it has yet to be applied extensively to the field of reservoir simulation. This work shows IGA's potential as a useful tool for next generation reservoir simulation, highlighting its ability to exactly capture complex-shaped geometrical features in the reservoir and, consequentially, accurately model the pressure fields. First, an IGA code is validated against the analytic solution for a quarter five-spot pattern as well as a reference solution for a straight line source problem with pressure enforced at the corners of the domain. Next, the numerical efficiency of IGA is compared against a finite element method solution of single phase flow in a 2D representative reservoir containing a centralized "S-shaped" line source. Results suggest a clear advantage of the IGA method over the classical finite element method, which has lower convergence rates in terms of number of degrees of freedom.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,826
Score d'incertitude au seuil0,226

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,328
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Numerical Analysis TechniquesTravaux en français237 207