This paper focuses on obtaining a posteriori error estimates for mixed-dimensional elliptic equations exhibiting a hierarchical structure. 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.: (1) no conservation, (2) subdomain conservation, (3) local conservation, and (4) exact conservation. This treatment results in sharper and fully computable estimates when mass is conserved either locally or exactly, with a comparable structure to those obtained from grid-based a posteriori techniques. We demonstrate the practical effectiveness of our theoretical results through numerical experiments using four different discretization methods on matching and nonmatching grids for synthetic problems and benchmarks of flow in fractured porous media.


翻译:本文侧重于获得对具有等级结构的多维椭圆方程式的事后误差估计,我们根据功能性事后误差估计理论得出一般性抽象估计,为原始和双重变量提供保障,为原始和双重变量提供双向界限,为原始-双向对等提供双向界限;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,即(1) 不保护,(2) 亚杜尔面保护,(3) 地方保护,(4) 准确保护,根据功能性事后误差估计得出一般抽象估计。当质量在当地或精确保存时,这种处理得出更清晰和完全可计算的估计,其结构与基于网格的远端技术具有可比性。我们通过使用四种不同的分离方法,即对合成问题的网格进行匹配和非匹配,以及断裂多孔式媒体的流动基准,通过数字实验,表明我们的理论结果的实际效果。

0
下载
关闭预览

相关内容

【AAAI2021】 层次图胶囊网络
专知会员服务
82+阅读 · 2020年12月18日
专知会员服务
50+阅读 · 2020年12月14日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
【泡泡一分钟】一种实用且高效的多视图匹配方法
泡泡机器人SLAM
6+阅读 · 2018年11月19日
ERROR: GLEW initalization error: Missing GL version
深度强化学习实验室
9+阅读 · 2018年6月13日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
【泡泡一分钟】一种实用且高效的多视图匹配方法
泡泡机器人SLAM
6+阅读 · 2018年11月19日
ERROR: GLEW initalization error: Missing GL version
深度强化学习实验室
9+阅读 · 2018年6月13日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员