物理学 > 地球物理
[提交于 2018年11月16日
]
标题: 伴随基于最优控制在积分微分前向系统中的应用
标题: Application of Adjoint-Based Optimal Control to Intergo-Differential Forward System
摘要: 近年来,油气工业的研究人员已经确定,记忆效应在非常规储层中流体流动建模中的贡献是显著的。 数学上,基于记忆的流体流动模型可以通过积分微分方程组来描述。 尽管有大量的期刊文章致力于此类方程正向解的数值方法,但这些系统的优化和最优控制问题仍然是实际且研究不足的。 我们考虑了一维气体渗流和扩散模型作为具有记忆的模型。 该系统包括一个裂缝中渗流的偏微分方程和一个弱奇异第二类伏尔泰拉积分方程,该方程描述了封闭纳米孔隙块中的气体扩散。 使用Navot-梯形算法进行的数值模拟表明,与经典的双孔隙模型相比,记忆效应影响了压力和密度的分布以及时间演变。 选择折扣累积气体产量的压力约束最大化作为基本优化问题。 由于标准的伴随方法仅针对传统的偏微分方程系统而开发,因此模型中出现的记忆使得标准的伴随方法不适用。 通过经典变分法理论,从最优性必要条件中获得了适用于记忆介质的新伴随模型,并有效地应用于生产优化问题。 最后,我们比较了具有记忆的模型和经典双孔隙模型的最优控制情景。 分析表明,在储层优化问题中考虑记忆的重要性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.