Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phát triển Thuật toán Tối ưu Hóa KASA Dựa trên Kriging và Nướng Giả để Hiệu Chỉnh Tham Số Mô Hình Dòng Chảy Qua Môi Trường Xốp
Tóm tắt
Nghiên cứu này đề xuất một thuật toán tối ưu hóa KASA kết hợp giữa mô phỏng nướng giả Kriging nhằm tăng cường hiệu quả tối ưu hóa và giảm thời gian tính toán cho việc hiệu chỉnh tham số của mô hình mô phỏng. Thuật toán tối ưu KASA mới phát triển sử dụng thuật toán nướng giả để tìm kiếm giá trị tối ưu toàn cục; đồng thời, phương pháp xấp xỉ Kriging, một phương pháp ước lượng thống kê, được tích hợp với nướng giả để nội suy các giá trị mục tiêu chưa biết trong không gian giải pháp. Hơn nữa, nghiên cứu này thiết lập một mô hình mô phỏng dòng chảy qua môi trường xốp dựa trên mạng (NET-PFS), sau đó KASA được áp dụng trong việc hiệu chỉnh mạng lỗ đại diện của NET-PFS. NET-PFS là một mô hình mạng lỗ dựa trên việc xây dựng một mạng lỗ đại diện để gần đúng các đặc tính đất đai và hình học lỗ với sự truy cập hạn chế vào các quy trình hình ảnh ở quy mô lỗ. NET-PFS được áp dụng để ước lượng độ thẩm thấu của một môi trường xốp với cát đóng gói. NET-PFS thiết lập một khung pháp lý để đơn giản hóa mạng lỗ nhưng vẫn giữ nguyên độ dẫn thủy lực và trạng thái dòng chảy của các mạng lỗ với thông tin có hạn về cấu trúc lỗ. Trong nghiên cứu điển hình, một môi trường xốp với cát thạch anh đóng gói được quét bằng phương pháp chụp cắt lớp vi tính bằng tia X. Mô hình NET-PFS được áp dụng để ước lượng độ dẫn thủy lực và phân phối tốc độ dòng chảy từ mạng lỗ nguyên bản. Kết quả cho thấy thuật toán KASA đề xuất đã hiệu chỉnh hiệu quả mô hình NET-PFS; ngoài ra, một mạng lỗ đại diện và trạng thái dòng chảy đã xác định trong mạng lỗ được NET-PFS trình bày.
Từ khóa
#Kriging #nướng giả #tối ưu hóa #mô hình môi trường xốp #hiệu chỉnh tham số #dòng chảy qua môi trường xốpTài liệu tham khảo
Al-Kharusi AS, Blunt MJ (2007) Network extraction from sandstone and carbonate pore space images. J Pet Sci Eng 56(4):219–231
Bakke S, Øren PE (1997) 3-D pore-scale modelling of sandstones and flow simulations in the pore networks. Spe J 2(02):136–149
Bechler A, Romary T, Jeannee N, Desnoyers Y (2013) Geostatistical sampling optimization of contaminated facilities. Stoch Environ Res Risk Assess 27:1967
Blunt MJ, Jackson MD, Piri M, Valvatne PH (2002) Detailed physics, predictive capabilities and macroscopic consequences for pore-network models of multiphase flow. Adv Water Resour 25(8):1069–1089
Blunt MJ, Bijeljic B, Dong H, Gharbi O, Iglauer S, Mostaghimi P, Paluszny A, Pentlanda C (2013) Pore-scale imaging and modelling. Adv Water Resour 51:197–216
Bryant S, Blunt M (1992) Prediction of relative permeability in simple porous media. Phy Rev A 46(4):2004
Bryant SL, King PR, Mellor DW (1993a) Network model evaluation of permeability and spatial correlation in a real random sphere packing. Transp Porous Media 11(1):53–70
Bryant SL, Mellor DW, Cade CA (1993b) Physically representative network models of transport in porous media. AIChE J 39(3):387–396
Cao K, Ye X (2013) Coarse-grained parallel genetic algorithm applied to a vector based land use allocation optimization problem: the case study of Tongzhou Newtown, Beijing, China. Stoch Environ Res Risk Assess 27:1133
Cieniawski SE, Eheart JW, Ranjithan S (1995) Using genetic algorithms to solve a multiobjective groundwater monitoring problem. Water Resour Res 31(2):399–409
Coelho D, Thovert JF, Adler PM (1997) Geometrical and transport properties of random packings of spheres and aspherical particles. Phy Rev E 55(2):1959
de Lavenne A, Skøien JO, Cudennec C, Curie F, Moatar F (2016) Transferring measured discharge time series: large-scale comparison of top-Kriging to geomorphology-based inverse modeling. Water Resour Res 52(7):5555–5576
Dong H, Blunt MJ (2009) Pore-network extraction from micro-computerized-tomography images. Phy Rev E 80(3):036307
Dougherty DE, Marryott RA (1991) Optimal groundwater management: 1. Simulated annealing. Water Resour Res 27(10):2493–2508
Dullien FA (2012) Porous media: fluid transport and pore structure. Academic Press
Jiang X, Lu W, Na J, Hou Z, Wang Y, Chi B (2018) A stochastic optimization model based on adaptive feedback correction process and surrogate model uncertainty for DNAPL-contaminated groundwater remediation design. Stoch Environ Res Risk Assess 32:3195. https://doi.org/10.1007/s00477-018-1559-4
Keehm Y, Mukerji T, Nur A (2004) Permeability prediction from thin sections: 3D reconstruction and Lattice-Boltzmann flow simulation. Geophys Res Lett 31:L04606. https://doi.org/10.1029/2003GL018761
Ketcham RA, Carlson WD (2001) Acquisition, optimization and interpretation of X-ray computed tomographic imagery: applications to the geosciences. Comput Geosci 27(4):381–400
Laaha G, Skøien JO, Blöschl G (2014) Spatial prediction on river networks: comparison of top-Kriging with regional regression. Hydrol Process 28(2):315–324
Lamorski K (2016) X-ray computational tomography facility. Institute of Agrophysics PAS. http://tomography.ipan.lublin.pl. Accessed 18 Sept 2016
Lerdahl TR, Oren PE, Bakke S (2000) A predictive network model for three-phase flow in porous media. In: SPE/DOE improved oil recovery symposium. Society of Petroleum Engineers
Marryott RA, Dougherty DE, Stollar RL (1993) Optimal groundwater management: 2. Application of simulated annealing to a field-scale contamination site. Water Resour Res 29(4):847–860
Miao X, Gerke KM, Sizonenko TO (2017) A new way to parameterize hydraulic conductances of pore elements: A step towards creating pore-networks without pore shape simplifications. Adv Water Resour 105:162–172
Okabe H, Blunt MJ (2004) Prediction of permeability for porous media reconstructed using multiple-point statistics. Phy Rev E 70(6):066135
Oliver MA, Webster R (1990) Kriging: a method of interpolation for geographical information systems. Int J Geogr Inf Sci 4(3):313–332
Øren PE, Bakke S (2002) Process based reconstruction of sandstones and prediction of transport properties. Transp Porous Media 46(2–3):311–343
Oren P-E, Bakke S, Arntzen OJ (1998) Extending predictive capabilities to network models. SPE J 3(04):324–336
Pilotti M (2000) Reconstruction of clastic porous media. Transp Porous Media 41(3):359–364
Piri M, Blunt MJ (2005) Three-dimensional mixed-wet random pore-scale network modeling of two- and three-phase flow in porous media. I. Model description. Phys Rev E 71(2):026301
Raeini AQ, Bijeljic B, Blunt MJ (2015) Modelling capillary trapping using finite-volume simulation of two-phase flow directly on micro-CT images. Adv Water Resour 83:102–110
Steefel CI, Beckingham LE, Landrot G (2015) Micro-continuum approaches for modeling pore-scale geochemical processes. Rev Mineral Geochem 80:217–246
Verdin A, Rajagopalan B, Kleiber W, Funk C (2015) A Bayesian Kriging approach for blending satellite and ground precipitation observations. Water Resour Res 51(2):908–921
Xiong Q, Baychev TG, Jivkov AP (2016) Review of pore network modelling of porous media: experimental characterisations, network constructions and applications to reactive transport. J Contam Hydrol 192:101–117
Yeh WWG (1986) Review of parameter identification procedures in groundwater hydrology: the inverse problem. Water Resour Res 22(2):95–108
Yeong C, Torquato S (1998) Reconstructing random media. Phys Rev E 57(1):495