This paper focuses on deriving a posteriori error estimates for mixed-dimensional elliptic equations exhibiting a hierarchical structure. After careful construction of a mixed-dimensional functional analysis framework, we derive general abstract estimates based on the theory of functional a posteriori error estimates, for which guaranteed upper bounds for the primal and dual variables and two-sided bounds for the primal-dual pair are obtained. However, unlike standard results obtained with the functional approach, we propose four different ways of estimating the residual errors based on the level of accuracy available for their approximations, i.e.: no conservation, subdomain conservation, local conservation, and exact conservation. This treatment not only results in sharper estimates but also in fully computable ones (e.g., with no undetermined constants) when mass is conserved either locally or exactly. Abstract estimates are then made concrete using local mass-conservative approximations. Our estimators are tested with four numerical methods on matching and nonmatching grids for both synthetic and benchmarks of flow in fractured porous media. The numerical results support our theoretical findings with satisfactory results.


翻译:本文侧重于对存在等级结构的多维椭圆方程式的事后误差估计。在仔细构建了多维功能分析框架之后,我们根据功能性事后误差估计理论得出一般抽象估计,这些理论保证原始和双重变量的上限,原始和双重变量的双向界限,初等和双向界限是初等-双向的。然而,与功能方法的标准结果不同,我们建议了四种不同的方法,根据近似点的准确度估计剩余误差,即:没有保护、次元保护、地方保护和精确保护。当质量在当地或准确得到保存时,这种处理不仅产生更精确的估计,而且还产生完全可比较的参数(例如,没有不确定的常数)。然后,利用当地质量保守近比法,将摘要估计结果具体化。我们的估测结果经过四个数字方法的测试,这些方法用来匹配和不匹配断裂多孔介质媒体流动的合成和基准。数字结果支持了我们的理论结论。

0
下载
关闭预览

相关内容

专知会员服务
40+阅读 · 2021年7月5日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
Linguistically Regularized LSTMs for Sentiment Classification
黑龙江大学自然语言处理实验室
8+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
Linguistically Regularized LSTMs for Sentiment Classification
黑龙江大学自然语言处理实验室
8+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员