ТРЕХМЕРНЫЕ СЕТОЧНО-ХАРАКТЕРИСТИЧЕСКИЕ СХЕМЫ ПОВЫШЕННОГО ПОРЯДКА АППРОКСИМАЦИИ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В настоящей работе рассматривается процесс распространения сейсмических волн в полной трехмерной постановке. Для описания напряженно-деформированного состояния геологического массива при проведении сейсмической разведки на практике широко используются акустическая и линейно упругая модели. Определяющие системы уравнений в частных производных обеих механико-математических моделей являются линейными гиперболическими. Для построения вычислительного алгоритма их решения может быть использован сеточно-характеристический подход. При этом важное место в многомерных задачах занимает использование метода расщепления по направлениям. Однако, несмотря на применение расширенных пространственных шаблонов для решения полученных одномерных задач, не удается сохранить достигнутый повышенный порядок аппроксимации при построении итоговой трехмерной схемы. В настоящей работе предложен подход, основанный на применении схем многостадийного операторного расщепления, позволивший построить трехмерную сеточно-характеристическую схему третьего порядка аппроксимации. Численно решен ряд верификационных задач.

Об авторах

И. Б. Петров

Московский физико-технический институт (национальный исследовательский университет)

Email: petrov@mipt.ru
Член-корреспондент РАН Долгопрудный, Московская область, Россия

В. И. Голубев

Московский физико-технический институт (национальный исследовательский университет)

Email: w.golubev@mail.ru
Долгопрудный, Московская область, Россия

А. В. Шевченко

Московский физико-технический институт (национальный исследовательский университет); Институт проблем механики им. А. Ю. Ишлинского РАН

Email: alexshevchenko@phystech.edu
Долгопрудный, Московская область, Россия; Москва, Россия

A. Sharma

IPS Academy, Institute of Engineering and Science

Email: amitsharma@ipsacademy.org
Indore, India

Список литературы

  1. Moczo P., Kristek J., Kristekova M., Valovčan J., Galis M., Gregor D. Material Interface in the Finite-Difference Modeling: A Fundamental View. Bulletin of the Seismological Society of America. 2022. V. 113. № 1. P. 281–296.
  2. Duru K., Rannabauer L., Gabriel A.-A., Ling O., Igel H., Bader M. A stable discontinuous Galerkin method for linear elastodynamics in 3D geometrically complex elastic solids using physics based numerical fluxes. Computer Methods in Applied Mechanics and Engineering. 2022. V. 389. P. 114386.
  3. Vogl C., Leveque R. A High-Resolution Finite Volume Seismic Model to Generate Seafloor Deformation for Tsunami Modeling. Journal of Scientific Computing. 2017. V. 73. P. 1204–1215.
  4. Магомедов К. М., Холодов А. С. Сеточнохарактеристические численные методы. М.: Наука, 2018. 287 с.
  5. Dovgilovich L., Sofronov I. High-accuracy finitedifference schemes for solving elastodynamic problems in curvilinear coordinates within multiblock approach. Appl. Numer. Math. 2015. V. 93. P. 176–194.
  6. Nishikawa H., Van Leer B. Towards high-order boundary procedures for finite-volume and finitedifference schemes. 2023. https://doi.org/10.2514/6.2023-1605
  7. Khokhlov N. I., Favorskaya A., Furgailo V. GridCharacteristic Method on Overlapping Curvilinear Meshes for Modeling Elastic Waves Scattering on Geological Fractures. Minerals. 2022. V. 12. P. 1597.
  8. Петров И. Б., Голубев В. И., Петрухин В. Ю., Никитин И. С. Моделирование сейсмических волн в анизотропных средах. Доклады Российской академии наук. Математика, информатика, процессы управления. 2021. Т. 498. № 1. С. 59–64.
  9. Петров И. Б., Голубев В. И., Шевченко А. В. О задаче акустической диагностики прискважинной зоны. Доклады Российской академии наук. Математика, информатика, процессы управления. 2020. T. 492. № 1. С. 92–96.
  10. Голубев В. И., Никитин И. С., Бураго Н. Г., Голубева Ю. А. Явно-неявные схемы расчета динамики упруговязкопластических сред с малым временем релаксации. Дифференциальные уравнения. 2023. Т. 59. № 1. С. 1–11.
  11. Головизнин В. М., Соловьев А. В. Дисперсионные и диссипативные характеристики разностных схем для уравнений в частных производных гиперболического типа. М.: МАКС Пресс, 2018, 198 с.
  12. Головизнин В. М., Соловьев А. В. Диссипативные и дисперсионные свойства разностных схем для линейного уравнения переноса на меташаблоне 4 × 3. Матем. моделирование, 33:6 (2021), 45–58; Math. Models Comput. Simul., 14:1 (2022), 28–37.
  13. Trotter H. F. Approximation of semi-groups of operators. Pac. J. Math. 1958. V. 8. No. 4. P. 887–919.
  14. Godunov S. K. A difference method for numerical calculation of discontinuous solutions of the equations of hydrodynamics. Mat. Sb. 1959. V. 89. № 3. P. 271–306.
  15. Strang G. On the construction and comparison of difference schemes. SIAM J. Numer. Anal. 1968. V. 5. P. 506–517.
  16. Ruth R. D. A canonical integration technique. IEEE Trans. Nuclear Sci. 1983. V. 30. P. 2669–2671.
  17. Cervi J., Spiteri R. High-Order Operator Splitting for the Bidomain and Monodomain Models. SIAM Journal on Scientific Computing. 2018. V. 40. №. 2. P. A769–A786.
  18. Cervi J., Spiteri R. A comparison of fourth-order operator splitting methods for cardiac simulations. Applied Numerical Mathematics. 2019. V. 145. P. 227–235.
  19. Golubev V. I., Shevchenko A. V., Petrov I. B. Raising convergence order of grid-characteristic schemes for 2D linear elasticity problems using operator splitting. Computer Research and Modeling. 2022. V. 14. № 4. P. 899–910.
  20. Sedov L. I. Course in Continuum Mechanics (Nauka, Moscow, 1970; Wolters-Noordhoff, Groningen, 1971), V. 1.
  21. Rusanov V. V. Difference schemes of the third order of accuracy for the forward calculation of discontinuous solutions. Dokl. Akad. Nauk SSSR. 1986. V. 180. № 6. P. 1303–1305.
  22. Kholodov A. S. The construction of difference schemes of increased order of accuracy for equations of hyperbolic type. USSR Computational Mathematics and Mathematical Physics. 1980. V. 20. № 6. P. 234–253.
  23. Auzinger W., Koch O., Thalhammer M. Defectbased local error estimators for high-order splitting methods involving three linear operators. Numer Algor. 2015. V. 70. P. 61–91.
  24. Петров И. Б., Голубев В. И., Шевченко А. В., Никитин И. С. Об аппроксимации граничных условий повышенного порядка в сеточнохарактеристических схемах. Доклады Российской академии наук. Математика, информатика, процессы управления. 2023. T. 514. № 1. С. 52–58.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2024

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».