There is a recent surge in research activities on modeling the flow of fluids in porous media with complex pore-networks. A prominent mathematical model, which describes the flow of incompressible fluids in porous media with two dominant pore-networks allowing mass transfer across them, is the double porosity/permeability (DPP) model. However, we currently do not have a complete understanding of unsteady solutions under the DPP model. Also, because of the complex nature of the mathematical model, it is not possible to find analytical solutions, and one has to resort to numerical solutions. It is therefore desirable to have a procedure that can serve as a measure to assess the veracity of numerical solutions. In this paper, we establish that unsteady solutions under the transient DPP model are stable in the sense of Lyapunov. We also show that the unsteady solutions grow at most linear with time. These results not only have a theoretical value but also serve as valuable a posteriori measures to verify numerical solutions in the transient setting and under anisotropic medium properties, as analytical solutions are scarce for these scenarios under the DPP model.


翻译:最近,关于以复杂孔径网络的多孔介质中流体建模的研究活动激增。一个突出的数学模型描述了多孔介质中流压性液体的流动情况,该模型描述了以两种占主导地位的孔网网络进行大规模传输的多孔介质中流体流动情况,这是双孔径/渗透(DPP)模型。然而,我们目前还没有完全了解DPP模型下不稳定的解决方案。此外,由于数学模型性质复杂,因此无法找到分析解决方案,不得不诉诸数字解决方案。因此,最好有一个程序,作为评估数字解决方案真实性的一种措施。在本文中,我们确定在短暂的DPP模型下,不稳定的解决方案在Lyapunov意义上是稳定的。我们还表明,不稳定的解决方案在最短的时间里会增长。这些结果不仅具有理论价值,而且具有宝贵的事后措施,用以核实在瞬间环境中和在异位中特性下的数字解决方案。因为在DPP模型下,分析解决方案是稀缺的。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
97+阅读 · 2019年12月23日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
开源书:PyTorch深度学习起步
专知会员服务
51+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
已删除
将门创投
4+阅读 · 2018年6月1日
An Marching Cube Algorithm Based on Edge Growth
Arxiv
0+阅读 · 2021年1月20日
Arxiv
0+阅读 · 2021年1月14日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
VIP会员
相关VIP内容
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
97+阅读 · 2019年12月23日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
开源书:PyTorch深度学习起步
专知会员服务
51+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
已删除
将门创投
4+阅读 · 2018年6月1日
Top
微信扫码咨询专知VIP会员