MétaCan
Menu
Retour à la cohorte
Enregistrement W2596937899 · doi:10.3997/2214-4609.201600782

Accelerating Large-scale Reservoir Simulations Using Supercomputers

2016· article· en· W2596937899 sur OpenAlexaff
H. Liu, Kai Wang, Jia Luo, Zhangxin Chen, Boming Yang, Ruisi He

Notice bibliographique

Revue78th EAGE Conference and Exhibition 2016 · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSupercomputerComputer scienceWorkstationComputational scienceSolverParallel computingReservoir simulationDiscretizationScale (ratio)Nonlinear systemReservoir computingPetroleum engineeringGeologyOperating systemMathematics

Résumé

récupéré en direct d'OpenAlex

Summary Nowadays, simulations of advanced recovery processes applied by the petroleum industry have been becoming more and more complicated. In the meantime, finer geological models for these processes are being utilized. Their numerical simulations can take days or even longer to complete one run using regular workstations. Fast computational methods and computer techniques should be investigated. We are dedicated to developing new reservoir models and fast reservoir simulation techniques, including new discretization methods, efficient nonlinear methods, linear solver and peconditioner methods, and parallel computing techniques. Numerical results show our reservoir simulations are accelerated thousands of times faster by using a supercomputer and parallel computing is a powerful tool. Supercomputers also have huge memory and extremely large reservoir models can be computed.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,428
Score d'incertitude au seuil0,522

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,055
Tête enseignante GPT0,289
Écart entre enseignants0,234 · 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
GenreEmpirique

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

En bref

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue78th EAGE Conference and Exhibition 2016Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207