Parameterized Local Reduced Order Model of Stimulated Volume Evolution in Reservoirs
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
ABSTRACT Real‐time simulation of large‐scale geomechanics problems, such as hydraulic dilation stimulation, is computationally expensive as they must span multiple spatial and temporal length scales, often including nonlinearities and thermo‐hydromechanical processes. This paper introduces a novel local reduced order model (LROM) to enhance computational efficiency for nonlinear and fully‐coupled hydromechanical simulations. The model employs finite element analysis of a two‐dimensional deformable porous media with Drucker–Prager plasticity and stress‐induced permeability enhancement models to describe behavior of sandstone. LROM combines various reduced order models (ROMs), including proper orthogonal decomposition‐Galerkin (POD‐G) to reduce number of degrees of freedom (DoFs), discrete empirical interpolation method (DEIM) to accelerate computation of nonlinear terms, and local POD and local DEIM (LPOD/LDEIM) for further performance enhancements. LPOD and LDEIM classify parameterized training data, obtained from offline coupled full order model (CFOM) runs, into multiple subspaces with similar dynamic features. A new strategy for clustering and classification techniques that align with coupled formulation framework is proposed. The advantages of LROM are demonstrated in a large‐scale application: hydraulic dilation stimulation. LROM exhibits stable, accurate, and efficient online phase, while ROM built with classical POD/DEIM lacks efficiency and stability in Newton–Raphson solver. First, performance of LROM, parameterized by hardening modulus and initial permeability, is evaluated for inputs within training domain. Under CFOMs with DoFs, LROM speed‐up is 400 times. LROM is then parameterized by three inputs, including injection rate and two material properties. Results show that LROM maintains efficiency even for injection rates that extend beyond the training regime.
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 | 0,001 | 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 découle