In this article, we present new random walk methods to solve flow and transport problems in unsaturated/saturated porous media, including coupled flow and transport processes in soils, heterogeneous systems modeled through random hydraulic conductivity and recharge fields, processes at the field and regional scales. The numerical schemes are based on global random walk algorithms (GRW) which approximate the solution by moving large numbers of computational particles on regular lattices according to specific random walk rules. To cope with the nonlinearity and the degeneracy of the Richards equation and of the coupled system, we implemented the GRW algorithms by employing linearization techniques similar to the $L$-scheme developed in finite element/volume approaches. The resulting GRW $L$-schemes converge with the number of iterations and provide numerical solutions that are first-order accurate in time and second-order in space. A remarkable property of the flow and transport GRW solutions is that they are practically free of numerical diffusion. The GRW solutions are validated by comparisons with mixed finite element and finite volume solutions in one- and two-dimensional benchmark problems. They include Richards' equation fully coupled with the advection-diffusion-reaction equation and capture the transition from unsaturated to saturated flow regimes. For completeness, we also consider decoupled flow and transport model problems for saturated aquifers.


翻译:在本篇文章中,我们提出了解决不饱和/饱和多孔介质中流动和运输问题的新随机步行方法,包括土壤中的混合流动和运输过程,通过随机液压导电场和补给场、实地和区域规模的流程建模的各种系统;数字方法以全球随机行走算法为基础,根据具体的随机行走规则,将大量计算粒子移到正常的顶部,从而大致解决问题;为了应对理查德方程式和组合系统的非线性和退化性,我们采用了GRW算法,采用了类似于在有限元素/数量方法中开发的美元-Scheme的线性技术。由此产生的GRW $-Scheme方法与迭代数相融合,提供了在时间和空间中第二顺序上最精确的数字解决办法;流动和运输GRW解决方案的一个显著特征是,它们实际上没有数字扩散模式;GRW的解决方案通过在一二维基准问题中使用混合的限定要素和数量解决方案加以验证。这些方法中包括Richards的饱和饱和变等式等式变式,还考虑了不饱和不饱和变式等式等式变式的含水层。

0
下载
关闭预览

相关内容

在数学中,随机漫步是一种数学对象,称为随机过程或随机过程,它描述的路径由在某些数学空间(例如整数)上的一系列随机步骤组成。随机行走等是指基于过去的表现,无法预测将来的发展步骤和方向。核心概念是指任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律 ,接近于布朗运动,是布朗运动理想的数学状态,现阶段主要应用于互联网链接分析及金融股票市场中。
专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
84+阅读 · 2020年12月5日
【经典书】算法C语言实现,Algorithms in C. 672页pdf
专知会员服务
81+阅读 · 2020年8月13日
【经典书】统计学习导论,434页pdf,斯坦福大学
专知会员服务
234+阅读 · 2020年4月29日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
(Python)3D人脸处理工具Face3d
AI研习社
7+阅读 · 2019年2月10日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
将门创投
7+阅读 · 2018年4月18日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月5日
VIP会员
相关VIP内容
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
(Python)3D人脸处理工具Face3d
AI研习社
7+阅读 · 2019年2月10日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
已删除
将门创投
7+阅读 · 2018年4月18日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8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