Numerical modeling of elastic wave phenomena by grid-characteristic method on chimera computational meshes

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

Nowadays, the solution of applied problems of seismic exploration and ultrasonic non-destructive testing is accompanied by the use of computer simulation. This poses a challenge for scientists to develop new modifications of numerical methods that allow increasing the accuracy of calculations while minimizing the cost of computing resources. Unlike numerical methods on unstructured computational grids, the use of Chimera computational grids (or superimposed ones, or adaptive ones) also allows describing boundaries and contact boundaries of arbitrary shape, but at the same time spending less RAM and time on calculations. This is especially important in connection with the active use of neural networks for solving inverse problems, since when generating training samples, both the accuracy of modeling and the speed of calculations and the amount of RAM spent are important. The paper considers and compares various modifications of the grid-characteristic method on Chimera computational grids. Examples of test calculations are given.

作者简介

A. Favorskaya

Moscow Institute of Physics and Technology; Scientific Research Institute for System Analysis of the National Research Centre “Kurchatov Institute”; Innopolis University

编辑信件的主要联系方式.
Email: aleanera@yandex.ru
Dolgoprudny, Moscow region, 141701 Russia; Moscow, 117218 Russia; Innopolis, 420500 Russia

N. Khokhlov

Moscow Institute of Physics and Technology; Scientific Research Institute for System Analysis of the National Research Centre “Kurchatov Institute”

Email: k_h@inbox.ru
Dolgoprudny, Moscow region, 141701 Russia; Moscow, 117218 Russia

A. Kozhemyachenko

Moscow Institute of Physics and Technology; Scientific Research Institute for System Analysis of the National Research Centre “Kurchatov Institute”

Email: anton-kozhemyachenko@yandex.ru
Dolgoprudny, Moscow region, 141701 Russia; Moscow, 117218 Russia

I. Petrov

Moscow Institute of Physics and Technology; Scientific Research Institute for System Analysis of the National Research Centre “Kurchatov Institute”

Email: petrov@mipt.ru
Dolgoprudny, Moscow region, 141701 Russia; Moscow, 117218 Russia

参考

  1. Micucci M., Iula A. Recent advances in machine learning applied to ultrasound imaging // Electronics. 2022. V. 11. № 11. Art. № 1800.
  2. Wu X., Ma J., Si X., Bi Z., Yang J., Gao H., Xie D., Guo Z., Zhang J. Sensing prior constraints in deep neural networks for solving exploration geophysical problems // Proceedings of the National Academy of Sciences. 2023. V. 120. № 23. Art. № e2219573120.
  3. Golubev V., Anisimov M. Application of convolutional networks for localization and prediction of scalar parameters of fractured geological inclusion // International Journal of Applied Mechanics. 2024. V. 16. № 5. Art. № 2450064.
  4. Tsukanov A.A., Gorbatikov A.V. Influence of the contribution of body waves to the result of the microseismic sounding method // Acoustical Physics. 2020. V. 66. P. 191–197.
  5. Favorskaya A., Petrov I. A novel method for investigation of acoustic and elastic wave phenomena using numerical experiments // Theoretical and Applied Mechanics Letters. 2020. V. 10. № 5. P. 307–314.
  6. Eremin A.A., Glushkov E.V., Glushkova N.V., Lammering R. Localization of inhomogeneities in an elastic plate using the time reversal method // Acoustical Physics. 2017. V. 63. P. 562–569.
  7. Presnov D.A., Sobisevich A.L., Shurup A.S. Determination of ice cover parameters using seismoacoustic noise // Acoustical Physics. 2023. V. 69. № 5. P. 725–737.
  8. Zou Q., Huang J.P., Yong P., Li Z.C. 3D elastic waveform modeling with an optimized equivalent staggered-grid finite-difference method // Petroleum Science. 2020. V. 17. P. 967–989.
  9. Bosma S., Hajibeygi H., Tene M., Tchelepi H.A. Multiscale finite volume method for discrete fracture modeling on unstructured grids (MS-DFM) // Journal of Computational Physics. 2017. V. 351. P. 145–164.
  10. Gulizzi V., Saye R. Modeling wave propagation in elastic solids via high-order accurate implicit-mesh discontinuous Galerkin methods // Computer Methods in Applied Mechanics and Engineering. 2022. V. 395. Art. № 114971.
  11. Nanda N. Wave propagation analysis of laminated composite shell panels using a frequency domain spectral finite element model // Applied Mathematical Modelling. 2021. V. 89. P. 1025–1040.
  12. Favorskaya A.V., Petrov I.B. Grid-characteristic method // Innovations in Wave Processes Modelling and Decision Making: Grid-Characteristic Method and Applications. Smart Innovation, Systems and Technologies. 2018. V. 90. P. 117–160.
  13. Shevchenko A.V., Golubev V.I. Boundary and contact conditions of higher order of accuracy for grid-characteristic schemes in acoustic problems // Computational Mathematics and Mathematical Physics. 2023. V. 63. № 10. P. 1760–1772.
  14. Golubev V.I., Nikitin I.S., Mi X. Numerical schemes of higher approximation orders for dynamic problems of elastoviscoplastic media // Journal of Siberian Federal University. Mathematics and Physics. 2024. V. 17. № 1. P. 8–17.
  15. Golubev V.I., Nikitin I.S. Refined schemes for computing the dynamics of elastoviscoplastic media // Computational Mathematics and Mathematical Physics. 2023. V. 63. № 10. P. 1874–1885.
  16. Golubev V., Nikitin I., Beklemysheva K. Model of fractured medium and nondestructive control of composite materials // Chinese Journal of Aeronautics. 2024. V. 37. № 2. P. 93–99.
  17. Steger J.L., Benek J.A. On the use of composite grid schemes in computational aerodynamics // Computer Methods in Applied Mechanics and Engineering. 1987. V. 64. № 1–3, 301–320.
  18. Khokhlov N., Favorskaya A., Stetsyuk V., Mitskovets I. Grid-characteristic method using Chimera meshes for simulation of elastic waves scattering on geological fractured zones // Journal of Computational Physics. 2021. V. 446. Art. № 110637.
  19. Zang N., Zhang W., Chen X. An overset-grid finite-difference algorithm for simulating elastic wave propagation in media with complex free-surface topography // Geophysics. 2021. V. 86. № 4. P. T277–T292.
  20. Muratov M.V., Petrov I.B., Sannikov A.V., Favorskaya A.V. Grid-characteristic method on unstructured tetrahedral meshes // Computational Mathematics and Mathematical Physics. 2014. V. 54. P. 837–847.
  21. Favorskaya A.V., Petrov I.B. A study of high-order grid-characteristic methods on unstructured grids // Numerical Analysis and Applications. 2016. V. 9. P. 171–178.
  22. Duan P., Gu B., Li Z., Li Q. An overset mesh-free finite-difference method for seismic modeling including surface topography // Geophysics. 2023. V. 88. № 5. P. T271–T288.
  23. Qiu H., Sun Y.C., Fang C., Zhang W., Chen X. An overset-grid finite-difference algorithm for seismic wavefield propagations modelling in the polar coordinate system with a complex free-surface topography // Geophysical Journal International. 2024. V. 241. № 3. P. 1881–1895.
  24. Kozhemyachenko A.A., Favorskaya A.V. Grid convergence analysis of grid-characteristic method on Chimera meshes in ultrasonic nondestructive testing of railroad rail // Computational Mathematics and Mathematical Physics. 2023. V. 63. № 10. P. 1886–1903.
  25. Pesnya E., Favorskaya A.V., Petrov I.B., Khokhlov N.I. Parallelization strategies for ultrasonic wave propagation in composite materials considering microstructural details // Supercomputing Frontiers and Innovations. 2024. V. 11 № 4. P. 66–77.
  26. Favorskaya A.V., Khokhlov N.I., Golubev V.I., Shevchenko A.V. Boundary conforming Chimera meshes to account for surface topography and curved interfaces in geological media // Lobachevskii Journal of Mathematics. 2024. V. 45. № 1. P. 191–212.
  27. Favorskaya A.V., Khokhlov N.I., Petrov I.B. Grid-characteristic method on joint structured regular and curved grids for modeling coupled elastic and acoustic wave phenomena in objects of complex shape // Lobachevskii Journal of Mathematics. 2020. V. 41. P. 512–525.
  28. Kholodov A.S., Kholodov Y.A. Monotonicity criteria for difference schemes designed for hyperbolic equations // Computational Mathematics and Mathematical Physics. 2006. V. 46. P. 1560–1588.
  29. Khokhlov N.I., Favorskaya A., Furgailo V. Grid-characteristic method on overlapping curvilinear meshes for modeling elastic waves scattering on geological fractures // Minerals. 2022. V. 12. № 12. Art. № 1597.
  30. Peng L., Nianhua W., Chang X., Zhang L., Yadong W.U. An automatic isotropic/anisotropic hybrid grid generation technique for viscous flow simulations based on an artificial neural network // Chinese Journal of Aeronautics. 2022. V. 35. № 4. P. 102–117.
  31. Sang K.H., Yin X.Y., Zhang F.C. Machine learning seismic reservoir prediction method based on virtual sample generation // Petroleum Science. 2021. V. 18. № 6. P. 1662–1674.

补充文件

附件文件
动作
1. JATS XML
下载

版权所有 © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».