解变饱和条件下的修正Picard迭代方法的新收敛准则_picard迭代失效-程序员宅基地

技术标签: 算法  

摘要

变饱和多孔介质中水流的Richards方程解对水资源评估和环境管理越来越有用。

除了解的准确性,对所需的计算工作量也颇为关注,特别是在涉及高度非线性土壤水力特性和干燥初始条件时。

本文评估了在使用修正的Picard迭代方法解混合形式Richards方程时不同收敛准则的性能。

结果以计算机处理(CPU)时间和迭代次数进行比较。

通过使用含水量的Taylor级数展开导出的新的非线性收敛准则被实施到混合形式的数值算法中。

新准则的计算效率针对不同的土壤类型、边界条件、初始条件和分层土壤进行了评估。

尽管三个准则在计算的含水量、压力水头和水通量分布方面产生了几乎相同的结果,且质量平衡误差微乎其微,但所需的CPU时间明显不同。

总体而言,新的非线性收敛准则在计算效率上远远优于其他两个准则。

在高度非线性流问题中,其他两个收敛准则失败时,新的准则也更为健壮(即解保持收敛)。

本研究结果表明,当新的收敛准则应用于混合形式Richards方程的修正Picard解时,可以产生一种非常高效和准确的方法,用于模拟土壤中的变饱和水流。

1. 引言

在环境研究中,数值模型是评估非饱和带释放化学物质可能导致地下水污染风险的重要工具

地质材料的极端变异性和复杂性、干燥的初始条件以及不断变化的边界条件可能使得在可接受的准确性和计算工作量范围内解决流动和传输问题变得困难。

当前大多数可用的数值方法在准确性或计算效率之间做出了妥协。

例如,对于相对粗纹理的土壤的渗透通常难以建模,因为其具有高度非线性的水力特性。

干燥的初始条件和高度非线性的水力特性通常需要使用非常细致的空间和时间离散化来避免数值不稳定性。

这些条件导致数值算法变得CPU密集型,特别是当需要模拟长期和/或多维问题时。

因此,追求最佳数值算法的努力应该涉及优化方案的准确性和健壮性,以及最小化所需的计算时间。

 

本文的目标是提高Celia等人(1990)的混合形式算法用于解决变饱和流问题的计算效率。

通过引入新的非线性收敛准则,改进了算法的收敛速度。

所提出的准则将通过与其他两个广泛使用的收敛准则进行比较来评估其性能。

2. 背景

在等温条件下,可变饱和刚性土壤中的一维垂直水流通常用Richards方程(Richards,1931)描述,该方程可以用压力头或水含量的形式表示,即


C\frac{\partial h}{\partial t}=\frac{\partial }{\partial t}(K\frac{\partial h}{\partial z}-K)-S\qquad(1)


\frac{\partial \theta}{\partial t}=\frac{\partial }{\partial z}(D\frac{\partial \theta}{\partial z})-\frac {\partial K}{\partial z}-S \qquad(2)

其中,h为压力头L,

\theta为体积含水量(L^3 L^{-3}),

t为时间(T),

z表示距离土壤表面向下的垂直距离[L],

C = d \theta/dh为比水含量容积(L^{-1}),

K为水力导度(L T^{-1}),

D = K/C为土壤水非饱和扩散率(L^2 T^{-1}),

S为源/汇项(T^{-1})。

直到最近,大多数数值研究使用Richards方程的压力水头或含水量形式来描述可变饱和土壤中的流动(例如,Davis和Neuman,1983;Huyakorn等,1983,1989;Hills等,1989;Kool和Van Genuchten,1991;Kirkland等,1992)。

使用方程(1)的基于含水量的方案。

(2) 可以被写成保守质量的形式,因此在大多数情况下,无论时间步长和网格间距如何,都应在计算域内保持质量(Hills等人,1989)。

Huyakorn和Pinder(1983)表明,对于最初是干燥均质土壤,使用这样的方案是有优势的。

基于含水量的公式的一个局限性是,这种形式不能用于描述饱和带的流动,而且分层土壤中的流动也不容易模拟。

此外,即使这种公式在流动系统内部准确保持质量,基于含水量的算法在边界处可能出现质量平衡错误。

基于压力头的公式(1)被认为对涉及分层或空间异质土壤的实际问题以及变饱和流问题更有用。

不幸的是,使用基于压力头的公式模拟干燥和/或高度非线性土壤的入渗通常在保持质量方面面临困难。

有关基于压力头和基于水含量的Richards方程形式的相对优势和劣势的更详细讨论已由Hills等人(1989)提供。

一些研究人员探索了解决基于压力头或基于水含量形式的Richards方程的替代数值技术。

这些研究的目标包括获得更稳定的数值算法,加速计算,最小化质量平衡误差,并针对不同的土壤类型或初始和边界条件实现更精确的解。

例如,Milly(1985)提出了一种质量保守的解决方案,其中使用了有效元素土壤水容量项。

这种方法,结合质量集中法(Neuman,1973),有效地确保了基于压力头的方程的整体质量平衡。

Rathfelder和Abriola(1994)通过扩展和离散化土壤水容量开发了类似基于压力头方程的质量保守解决方案。

其他人使用了Kirchhoff类型的转换(例如,Ross和Bristow,1990)或替代函数(Ross,1990;Pan和Wierenga,1995)以简化非线性流的描述。

在不同的方法中,Gottardi和Venutelli(1992)使用了一种移动有限元方法,其中网格点沿润湿前沿移动,从而允许较少的节点而不损害数值精度。

然而,移动网格法在应用于分层系统或用于时变边界条件时存在一些局限性。该方法也被发现不如传统的固定网格公式具有较差的质量保守性。

El-Kadi和Ling(1993)提出了Peclet和Courant数标准,用于空间和时间离散化,以描述解决Richards方程的数值方案的准确性和效率。

通过引入源项,Hills等人(1989)成功地用基于含水量的算法解决了涉及一维水流进入分层土壤的问题。

Kirkland等人(1992)随后开发了一个基于含水量的算法,通过变量转换模拟了二维变饱和流。

最近,Huang等人(1994)提出了一种基于特征的粒子跟踪技术,用于解决基于压力头的Richards方程,用于高度非线性的入渗问题。

察觉到现有基于压力头和基于水含量的Richards方程解决方案的缺点,许多人尝试将这两种方法的优势结合起来。

Richards方程的混合形式被认为保持了基于水含量方程固有的质量守恒特性,同时提供了以压力头h表示的解。

Richards方程的混合形式表达为:


\frac{\partial \theta}{\partial t}=\frac{\partial }{\partial z}(K \frac{\partial h}{\partial z})-\frac {\partial K}{\partial z}-S \qquad(3)

Brutsaert(1971)是最早使用混合形式Richards方程来解决饱和-非饱和流问题的人之一。

他将混合形式方程的有限差分逼近与牛顿迭代方案结合起来,以有效处理陡峻的润湿前缘。

Allen和Murphy(1985,1986)在其共轭有限元算法中使用了Richards方程的混合形式,并采用了“拟牛顿”迭代方法。

最近,Celia等人(1987)和Celia等人(1990)提出了一种质量保守的数值方案,使用“修正的Picard迭代”解混合形式Richards方程(3)。

由于完美的质量平衡,修正的Picard迭代技术被证明是对早期Picard方法的重大改进。

修正的Picard迭代方法在模拟具有陡峭润湿前缘的非饱和流方面也表现出很大的潜力(Celia等人,1990;Celia和Bining,1992)。

Ray和Mohanty(1992)随后重新审视了混合形式算法,并通过几个数值实验展示了它相对于基于压力头的方案的优势。

与基于压力水头和基于含水量的算法类似,Celia等人(1990)的修正Picard迭代方案基于Richards方程(3)的全隐式(向后Euler)时间逼近,具体如下:


版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_44259522/article/details/134960535

智能推荐

Struts1.x工作原理概述_而strutsl.x的底层核心-程序员宅基地

文章浏览阅读1.7k次。一、Struts 的体系结构 二、Struts 的流程三、具体原理1、 Struts的核心是ActionServlet,它本质上就是一个Servlet,在Web.xml中配置ActionServlet为自动启动,指明Struts的配置文件所在位置,并指明Struts中工作条件servlet> servlet-name>strut_而strutsl.x的底层核心

eos虚拟机与智能合约详解与分析_多层级并行智能合约虚拟机架构-程序员宅基地

文章浏览阅读1k次。文章目录1. 相关背景知识1.1 LLVM相关内容1.1.1 LLVM架构概述1.1.2 LLVM IR介绍与分析1.1.2.1 LLVM IR指令集1.1.2.2 LLVM IR类型系统1.1.2.3 LLVM IR内存模型1.1.2.4 LLVM IR函数调用1.1.2.5 LLVM IR示例1.1.3 LLVM JIT介绍与分析1.1.3.1 LLVM JIT实现原理1.1.3.2 LLVM..._多层级并行智能合约虚拟机架构

Calculation of COGM and COGS-程序员宅基地

文章浏览阅读292次。UseYou can use the Product Cost Planning functions to calculate the cost of goods manufactured (COGM) and cost of goods sold (COGS) for products such as materials and services. The costs may then be..._calculation of sales & administration cost and cogs

一个适合于.NET Core的超轻量级工作流引擎:Workflow-Core-程序员宅基地

文章浏览阅读4.5k次,点赞2次,收藏17次。一、关于Workflow-Core  近期工作上有一个工作流的开发需求,自己基于面向对象和职责链模式捣鼓了一套小框架,后来在github上发现一个轻量级的工作流引擎轮子:Workflow-Core,看完其wiki之后决定放弃之前自己造的轮子,使用这个开源项目来改造,也就有了这一篇博文。    Workflow-Core是一个基于.NET Standard的轻量级工作流引擎,其GitHu..._.net core workflow

懒女人的幸福生活-程序员宅基地

文章浏览阅读176次。懒女人的幸福生活懒女人,哈哈,当我听到这个词的时候,我的眼前立即出现了一幅画面“一个头发乱蓬蓬的女人,面带倦容,衣服穿得一点也不整洁,房间的床上和沙发上丢得都是平日换下的衣服,还有四处可见不用的生活用品……”晕,不要了,还是不要再想象了!   老公常说我是一个小女人,说我是一个喜欢打扮自己的小女人。不过我也喜欢装饰自己的幸福小家,打份自已和装饰自己的家这两件事..._懒女人的幸福生活下一站幸福

typdef:深入理解C语言中typdef关键词的用法-程序员宅基地

文章浏览阅读451次,点赞7次,收藏8次。假设我们有一个复杂的结构体,我们希望在代码中多次使用它,但又不想每次都写那么长的名字。int x;int y;} Point;现在,我们可以简单地使用Point来代替整个结构体的定义。函数指针的定义通常很长,使用typedef可以让代码更加整洁。现在,我们可以使用来代替。枚举类型在C语言中非常有用,但它们的名称可能会很长。现在,我们可以使用Color来代替整个枚举的定义。typedef。

随便推点

maven gatling 运行_gatling+maven-程序员宅基地

文章浏览阅读1.1k次。pom.xml

Springboot计算机毕业设计基于微信小程序的网络办公系统【附源码】开题+论文+mysql+程序+部署-程序员宅基地

文章浏览阅读862次,点赞12次,收藏12次。基于微信小程序的网络办公系统的研究,不仅有助于推动企业的数字化转型,提升工作效率,还能优化员工的办公体验,增强企业的竞争力。通过该系统,企业可以实现员工信息的集中管理、员工打卡的自动化处理、员工工资的电子化核算等功能,从而简化管理流程,减少人力成本。因此,开发一款基于微信小程序的网络办公系统,以满足企业对于高效、便捷办公的需求,具有重要的现实意义和应用价值。本研究的最终目标是帮助企业实现办公流程的数字化、自动化和智能化,提升企业的管理水平和运营效率,推动企业的可持续发展。最后,进行系统的部署和上线。

数据转换:将数据转换为不同的格式-程序员宅基地

文章浏览阅读489次,点赞7次,收藏7次。1.背景介绍1. 背景介绍在现代信息化时代,数据是成为企业竞争力的关键因素之一。数据的质量和可用性直接影响企业的决策能力和运营效率。因此,数据转换成为了一项重要的技术。数据转换的目的是将数据从一个格式转换为另一个格式,以满足不同的应用需求。数据转换的应用场景非常广泛,包括但不限于:数据库迁移:将数据从一个数据库系统迁移到另一个数据库系统。数据清洗:将数据从原始格式转换为有效的数..._数据格式转换软件技术要求怎么写

XTuner 大模型单卡低成本微调实战笔记_llm微调的目的-程序员宅基地

文章浏览阅读909次,点赞17次,收藏24次。大语言模型是在海量的文本内容基础上,以无监督或半监督方式进行训练的,海量的文本内容赋予了大模型各种各样的行业知识,但是如果直接把大模型的知识用于生产实践,会发现回答不大满意,微调的目的就是让LLM在具体的场景或领域中能够得到更好的回答。常用微调模式:增量预训练和指令跟随增量预训练:给模型投喂一些新的知识,新知识是目标领域的文本内容,经过新知识学习,模型即可获得该领域更好的效果。使用场景: 让基座模型学习到一些新知识,如某个垂类领域的常识训练数据:文章、书籍、代码等指令跟随微调。_llm微调的目的

macos安装electron和electron-builder报错问题_command not found: electron-builder-程序员宅基地

文章浏览阅读1.3k次。最近公司需求,需要做一个桌面端,其中需要用到electron-builder这个插件,安装的时候使用指令"vue add electron-builder",出现报错。报这个错是因为这个插件需要Node版本在14+以上,我们升级下Node版本就行了,这里我用的是naode v14.15.1的版本,这个版本也是很稳定的。这个问题出现的原因是电脑没有安装vue脚手架导致,使用vue --version查一下版本,发现还是识别不出这个指令无法检测,这里用“安装一下便可,如果没有效果卸载旧的,使用指令"_command not found: electron-builder

COMP4300/8300 Parallel Systems Assignment 1, 2024-程序员宅基地

文章浏览阅读605次,点赞29次,收藏13次。【代码】COMP4300/8300 Parallel Systems Assignment 1, 2024。