基于离散伴随方法的大规模地下流动反演
计算物理
2019-06-05 v1 地球物理
摘要
敏感性分析在搜索地下流动模拟的本构参数（如渗透率）中起着重要作用。其背后的数学问题是求解一个动态约束优化问题。有限差分和前向敏感性分析等传统方法所需的计算成本随参数数量乘以代价函数数量线性增长。离散伴随敏感性分析（SA）因其计算效率而日益流行。该算法需要一次前向运行，随后进行一次后向运行，后者涉及随时间反向积分伴随方程。这是通过一次前向求解并采用检查点技术存储快照来实现的。利用检查点数据，对伴随方程进行数值积分。该算法的计算成本仅取决于代价函数数量，而与参数数量无关。当参数空间较大时该算法非常强大，而在我们的非均匀渗透率情形下，参数数量与网格单元数量成正比。本项目的目标是并行实现离散敏感性分析方法以求解实际地下问题。为实现此目标，我们提出使用 TSAdjoint 和 TAO 等数据结构并行实现该算法。本文处理了基于离散伴随方法的大规模地下流动反演问题。该方法能有效降低敏感性分析中的计算成本。
引用
@article{arxiv.1906.01132,
title = {Large-scale Inversion of Subsurface Flow Using Discrete Adjoint Method},
author = {Shu Wang and Satish Karra and Daniel O'Malley},
journal= {arXiv preprint arXiv:1906.01132},
year = {2019}
}