Escolar Documentos
Profissional Documentos
Cultura Documentos
Orientador:
DEPARTAMENTO DE MATEMTICA
INSTITUTO DE CINCIAS EXATAS
UNIVERSIDADE FEDERAL DE MINAS GERAIS
Agradecimentos
Agradeo aos meus pais e minha famlia pelo incentivo incondicional aos meus estudos.
Aos meus orientadores, Rodney e Denise, por acreditarem no meu trabalho e me emprestarem sua experincia durante os ltimos anos.
Ao CNPq e CAPES, pela criao do PICME e pela concesso da bolsa durante o perodo
do mestrado.
Sylvie por levar adiante o projeto do PICME na UFMG e permitir a realizao desse
trabalho.
Aos professores e funcionrios do Departamento de Matemtica, por todo o apoio prestado.
Por fim, agradeo Universidade Federal de Minas Gerais por ter me acolhido como aluno
desde o bacharelado.
Resumo
A simulao do escoamento multicomponente de fluidos em meios porosos requer o tratamento de fenmenos localizados, tais como frentes de concentrao e gradientes de presso,
assim como a considerao da geometria do meio. O fato de serem localizados nos sugere
a utilizao de uma malha adaptativa, altamente refinada nas regies onde necessria
uma melhor resoluo, e pouco refinada onde o fluxo de massa menor. O presente trabalho tem como objetivo a utilizao da metodologia conhecida como Autonomous Leaves
Graph (ALG) na simulao do escoamento de fluidos em meios porosos. A estrutura ALG
tem se mostrado eficiente em problemas que envolvem refinamento adaptativo da malha,
permitindo um refinamento local e a coexistncia de regies vizinhas com nveis de refinamento arbitrariamente diferentes. Utilizaremos o mtodo misto-hbrido de elementos
finitos para a soluo da Equao Diferencial Parcial elptica dada pela Lei de Darcy, e o
mtodo donor cell upwind scheme de volumes finitos para avanar no tempo a concentrao do tracer (marcador) em cada clula. Aplicamos a tcnica de refinamento adaptativo
simulao do escoamento monofsico bicomponente em um meio poroso. So discutidos
os resultados numricos obtidos na simulao do escoamento bidimensional.
Palavras-chave: Escoamento em meios porosos. Refinamento adaptativo da malha
(AMR). Autonomous Leaves Graphs (ALG). Mtodo Misto-Hbrido. Donor cell upwind
scheme.
Abstract
Multicomponent flow through porous media simulation involves the treatment of localized
phenomena, such as concentration fronts, pressure gradients or geometry of the media.
This suggests the use of an adaptive mesh, that is highly refined in the regions on which
a better resolution is needed and less refined where the mass flow is small. The present
work intends to use the methodology known as Autonomous Leaves Graph (ALG) to
simulate fluid flow through porous media. The ALG structure have been showing being
efficient on problems that involve adaptive mesh refinement, allowing local refining and
the coexistence of neighbor regions with arbitrarily different refinement levels. We use
a mixed-hybrid finite element method to solve the elliptic Partial Differential Equation
given by Darcys Law, and the donor cell upwind scheme finite volume method to update
tracer concentrations within each cell. The adaptive refinement technique is applied to
monofasic bicomponent flow through a porous medium and numerical results of the bidimensional flow simulation are discussed.
Keywords: Flow through porous media. Adaptive mesh refinement (AMR). Autonomous Leaves Graphs (ALG). Hybrid mixed method. Donor cell upwind scheme.
Contedo
Lista de Figuras
10
Lista de Tabelas
12
Lista de Smbolos
13
Introduo
13
.
.
.
.
.
.
.
16
16
17
17
18
19
19
20
.
.
.
.
.
.
.
.
21
21
25
26
28
28
28
32
33
.
.
.
.
34
35
36
37
44
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3.4
3.5
3.6
3.7
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
47
48
49
50
. . . .
Graph
. . . .
. . . .
. . . .
. . . .
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . .
(ALG) .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
60
60
62
62
63
65
66
67
.
.
.
.
.
.
.
.
70
70
71
71
74
76
76
78
79
.
.
.
.
.
.
81
81
81
82
82
83
83
Lista de Figuras
2.1
5.1
Malha de 4 clulas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.2
Definindo os ns de transio . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.3
Esquema completo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.4
Esquema no-direcional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.5
Sucesso de refinamentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.6
5.7
5.8
5.9
Sequncia de desrefinamento . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.1
6.2
6.3
10
6.4
6.5
6.6
6.7
11
Lista de Tabelas
6.1
6.2
12
Lista de Smbolos
ij
densidade em g cm3
viscosidade em cP = 1 102 g cm1 s1
porosidade do meio (razo entre o volume dos poros e o volume total)
domnio computacional do problema
clula da malha, em que i representa sua posio x e j sua posio y
13
Introduo
15
Captulo 1
Mecnica dos Fluidos
Um fluido pode ser definido, informalmente, como uma substncia que no possui forma
definida, e que assume o formato do recipiente que o contm. Do ponto de vista mecnico,
um fluido uma substncia que se deforma continuamente sob a ao de uma tenso
cisalhante (i.e., o efeito de uma fora paralela superfcie). Assim, os fluidos compreendem
as fases lquida e gasosa (ou vapor) nas quais a matria existe. A diferena principal
entre um slido e um fluido a seguinte: um slido deforma-se quando uma tenso de
cisalhamento lhe aplicada, mas no continuamente [27]. Relembraremos aqui alguns
conceitos e equaes fundamentais no estudo do escoamento.
1.1
Viscosidade
vi
vj
+
ij =
xj xi
16
1.2
Hiptese do contnuo
1.3
Meios Porosos
u =
K dP
,
dx
17
v = u,
(1.1)
1.4
Lei de Darcy
K v dV =
pn ds.
(1.2)
importante ressaltar que essa equao s vlida para o escoamento laminar; para
velocidades muito altas do fluido, devem ser usadas as equaes de Navier-Stokes. De fato,
a Lei de Darcy derivada das equaes de Navier-Stokes sob as hipteses de escoamento
laminar, incompressvel, permanente e de uma relao linear entre as foras viscosas e a
velocidade do fluido. Os interessados encontraro a deduo da Lei de Darcy a partir de
Navier-Stokes em [55].
Adicionalmente, convm notar que a expresso a permeabilidade em um determinado
ponto no possui sentido fsico: K s tem sentido em regies mensurveis do domnio
que sejam grandes comparadas com o volume dos poros, e possivelmente menores que
o domnio total do escoamento (de maneira anloga Hiptese do Contnuo). Porm,
ignorando essas observaes, comum usar o teorema da divergncia e escrever a equao
(1.2) na forma diferencial:
v=
K
p.
18
1.5
Equao da Continuidade
Como estamos trabalhando com um modelo do mundo fsico, a massa deve ser conservada.
Essa conservao d origem a uma equao conhecida como Equao da Continuidade.
Podemos escrev-la como:
Z
Z
d Z
c dV +
F n ds = cw dV
dt
(1.3)
Na equao acima, representa a densidade do componente em questo, c a sua concentrao volumtrica, F o fluxo de massa pela fronteira do domnio , n o vetor normal
exterior unitrio e w o termo de fonte (ou sorvedouro) de massa.
Consideraremos o escoamento incompressvel de uma mistura de gua e um soluto miscvel, que chamaremos tracer. Esses componentes sero indicados pelos subndices w e
t, respectivamente. Dessa forma, as equaes da continuidade para os componentes em
uma regio so:
d Z
t ct dV
dt
d Z
w cw dV
dt
Ft n ds =
Fw n ds =
t ct wt dV
(1.4)
w cw ww dV
1.6
Fluxo Mssico
19
vn
Ft nds =
(l t ) v ct kvk t +
n ct ds
ct v n
kvk
!
Z
Z
vn
(l t ) v cw kvk w +
n cw ds
Fw nds =
cw v n
kvk
(1.5)
1.7
Conservao do Volume
ct + cw = 1.
(1.6)
Podemos substituir os fluxos de massa em (1.5) nas equaes (1.4), dividir pelas respectivas densidades (t e w ) e somar sobre os dois componentes para obter:
v n ds =
w dV
(1.7)
Uma vez que v n representa a componente normal do fluxo de fluido, essa equao
representa a conservao do volume.
Comumente, fazemos o volume de tender a zero e, utilizando o teorema da divergncia,
obtemos:
v=w
(1.8)
Longe de poos (fontes ou sorvedouros de fluido), essa equao diz que a velocidade de
Darcy v possui divergente nulo. Em 1D, isso significa que o campo de velocidades
constante entre poos.
20
Captulo 2
Mtodos Numricos para a resoluo
de EDPs
2.1
O Mtodo de Galerkin
Dada uma EDP na sua formulao variacional, introduziremos um mtodo para encontrar
uma soluo aproximada, que posteriormente ser utilizado no mtodo dos Elementos
Finitos.
21
(2.1)
Assumiremos tambm que a forma B(, ) limitada e coerciva. Ou seja, existem constantes k e tais que
|B(u, v)| kkukV kvkV v V
(2.2)
B(v, v) kvk2V v V.
(2.3)
Vn = V
(2.4)
n=1
B(un , v) = l(v) v Vn
(2.5)
N.
un =
Nn
X
aj j ,
j=1
v=
Nn
X
bi i .
(2.6)
i=1
Nn
X
bi
Nn
X
(2.7)
j=1
i=1
Nn
X
i=1
bi
Nn
X
Kij aj Fi = 0,
(2.8)
j=1
em que
(2.9)
Ka = F.
(2.10)
Uma vez resolvido esse sistema de equaes, pode-se escrever a soluo aproximada un
pela equao (2.6).
Notemos, por curiosidade, uma propriedade inerente aos un . Caso B seja uma forma
simtrica (e coerciva, por hiptese), podemos definir um produto interno (, )B como
(u, v)B = B(u, v). Esse produto interno induz uma norma k kB , chamada de norma da
energia. Subtraindo as equaes (2.1) e (2.5), obtemos
B(u un , v) = 0 v Vn .
(2.11)
Assim, no produto interno definido por B, uun ortogonal a Vn , o que nos leva a concluir
que un uma espcie de projeo ortogonal de u em Vn . De fato, temos o seguinte teorema:
Teorema 1.
ku un kB = inf ku vkB .
vVn
Demonstrao. Temos:
B(u v, u v) = B(u un + un v, u un + un v)
= B(u un , u un ) + 2B(u un , un v) + B(un v, un v)
24
ku un kB = inf ku vkB
vVn
Procuraremos, agora, cotas para u un usando a norma de V . Isso nos dar respaldo
para concluir sobre a convergncia da sequncia {un }.
2.1.1
Provaremos nesta seo os teoremas que faltam para estabelecer a convergncia de {un }
para a soluo exata u. Comearemos pelo:
Teorema 2 (Lema de Ca). Se B satisfaz (2.2) e (2.3), ento
ku un kV
k
inf ku vkV
vVn
Ora, temos
B(u un , u un ) ku un k2V
donde
25
ku un kV
k
ku vkV v Vn
Vn = V.
(2.12)
n=1
lim ku un kV = 0
(2.13)
Demonstrao. Dada uma soluo u de (2.1), por (2.12) possvel encontrar uma sequncia tal que {vn } Vn para todo n N e
lim ku vn kV = 0
2.2
procedimento simples e sistemtico para tal o Mtodo dos Elementos Finitos. Este
consiste em dividir o domnio em uma coleo de polgonos k (chamados de elementos).
A coleo desses elementos chamada de malha. Definimos, ento, a base do espao Vn
usando funes suaves (em geral, polinmios) em cada k . Esses elementos devem cobrir
todo o espao , e a interseo de dois elementos deve ser um vrtice, uma aresta ou o
conjunto vazio. Alm disso, a base de Vn definida dessa maneira deve pertencer ao espao
V (pois Vn V ).
A ltima afirmativa causa certa dificuldade em aplicar o FEM: em geral, as funes de
Vn devem ser contnuas em . Como um vrtice pode pertencer a mais de um elemento,
se Vn satisfaz (x0 ) 6= 0 para algum x0 i j , ento as restries de ao interior
de i e de j no podem ser identicamente nulas. Dessa forma, faz sentido definir as
funes-base por meio dos seus valores nos vrtices, com cada funo-base possuindo o
valor 1 em um vrtice e 0 em todos os outros. Tambm podem ser usados pontos das
arestas, faces ou clulas [18]. Uma tpica funo base linear por partes em uma malha
triangular mostrada na Fig. 2.1.
Em geral, a forma bilinear B dada por uma integral envolvendo i , j e suas derivadas.
Assim, se i e j no so identicamente nulas em uma determinada clula, o termo Kij
no ser necessariamente igual a zero. De modo a evitar essa dificuldade, gostaramos de
trabalhar em espaos de funes possivelmente descontnuas, que nos permitam zerar o
mximo de elementos da matriz K. Um dos trunfos da Formulao Mista-Hbrida para
a soluo da Lei de Darcy, que ser apresentada no Captulo 3, ser a possibilidade de
trabalhar em espaos descontnuos (no sendo, porm, o nico mtodo com essa carac27
2.3
2.4
Vimos que, em nossas simulaes, precisaremos resolver sistemas lineares. Veremos tambm que esses sistemas sero de grande porte e esparsos. Para tal, mtodos convencionais
de resoluo de sistemas densos no so efetivos, pois o grande porte do sistema causa
uma vasta utilizao de memria. Alm disso, o extenso nmero de clculos feitos implica
na necessidade de uma grande capacidade de processamento. Surgem, ento, os mtodos
iterativos, adaptados aos sistemas esparsos e de grande porte.
2.4.1
Ax = b
(2.14)
1
f (x) = xt Ax bt x
2
cuja derivada
1
1
f 0 (x) = At x + Ax b.
2
2
(2.15)
f 0 (x) = Ax b.
(2.16)
(pois A simtrica)
(pois Ax = b)
(ht = bt h).
29
Vimos que a soluo do sistema (2.14) pode ser visto como um problema de minimizao de
uma forma bilinear. Para resov-lo, comeamos com uma estimativa inicial x0 e criamos
uma sequncia {xn } que esperamos que convirja para a soluo. Para tal, em cada
iterao, escolhemos a direo na qual f decresce mais rapidamente. Essa direo a
oposta a f 0 (xn ). De acordo com a equao (2.15), a direo desejada f 0 (xn ) = bAxn .
Se denotarmos o resduo na ensima iterao por rn = bAxn , temos que o vetor buscado
para a prxima iterao tem a forma xn+1 = xn + rn .
Falta-nos determinar . Isso feito de forma a minimizar o valor de f (xn+1 ) = f (xn +
n rn ). Um clculo simples nos mostra que
n =
rnt rn
.
rnt Arn
(2.17)
Para o mtodo da mxima descida, pode-se mostrar (vide [48]) que, se x a soluo de
(2.14), vale:
f (xn ) f (x)
f (x0 ) f (x)
k1
k+1
!2n
(2.18)
30
rit rj = 0
pti Apj = 0
rit pj = 0
para todo i 6= j.
Os escalares k e k so dados por
t
rk1
rk1
t
pk Apk
t
r rk1
k = k1
.
t
rk2
rk2
k =
x0 estimativa inicial
tolerncia
r0 = b Ax0
k=1
p 1 = r0
1 = (r0t r0 ) \ (pt1 Ap1 )
x1 = x0 + 1 r1
r1 = r0 1 Ap1
while krk k > do
k =k+1
t
t
k = (rk1
rk1 )\(rk2
rk2 )
31
(2.19)
(2.20)
12:
13:
14:
15:
16:
17:
pk = rk1 + k pk1
t
k = (rk1
rk1 )\(ptk Apk )
xk = xk1 + k pk
rk = rk1 k Apk
end while
x = xk
Notemos que esse mtodo requer apenas uma multiplicao matriz-vetor por iterao.
Note tambm que somente 4 vetores so armazenados: x, r, p e Ap.
Analisemos, agora, a convergncia. Caso no haja erros de arredondamento, o mtodo se
encerra em exatamente n iteraes, sendo n a ordem da matriz A. Porm, em simulaes,
esse nunca o caso. Definindo kxkA = xt Ax, pode-se mostrar (vide [48]) que
!n
k1
kx0 xkA .
kxn xkA 2
k+1
(2.21)
2.4.2
x0 estimativa inicial
> 0 tolerncia
r0 = b Ax0
r0 = r0
0 = 0 = 0 = 1
p 0 = v0 = 0
k=1
32
8:
9:
10:
11:
12:
13:
14:
15:
16:
17:
18:
19:
20:
21:
22:
23:
Como esperado, esse mtodo tem um maior custo computacional que o CG.
2.4.3
A fatorao LU incompleta
33
Captulo 3
Discretizao da Lei de Darcy
p
v = K
v = 0
= pD
(3.1)
em D
v n = vN n em N
T1 v + p
v = w
=g
= pD (x)
v n = vN n
na qual T :=
simtrica e positivo-definida.
34
(3.2)
em D
em N
3.1
primeira vista, parece interessante substituir a primeira das equaes (3.2) na segunda,
obtendo uma equao somente em p:
(Tp)
= w (Tg)
(3.3)
= pD em D
ou simplesmente:
(Tp)
=f
p = pD em D
(Tp) n = v
(3.4)
N
n em N
35
3.2
A formulao mista
Podemos tentar resolver diretamente o sistema (3.2). Porm, o tratamento das equaes
pode ser mais fcil em espaos de funes que requerem menor regularidade. Faz sentido,
ento, tentar reduzir a exigncia de suavidade das funes e buscar solues num espao
mais geral. Essa a essncia da formulao fraca das EDPs.
Consideraremos, por ora, vN n 0. Multipliquemos a primeira das equaes de (3.2)
por uma funo arbitrria u U e a segunda por q Q (em que U e Q sero definidos
posteriormente), e integremos em . Ento, se (u, p) satisfazem (3.2), tambm satisfazem
Z
Z
u T1 v +
u p
qv =
u g u U
q Q
qw
p = pD
v n =
(3.5)
em D
0
em N
Z
Z
1
T
v
( u) p
Z
Z
qv =
ug
(u n) pD
u H0,N (div, )
q L2 ()
qw
(3.6)
p L2 ()
v H (div, )
0,N
.
Note que agora podemos buscar uma soluo (u, p) H0,N (div, ) L2 (). E mais: se p
for suficientemente suave, pelo teorema de Hahn-Banach, o problema (3.6) equivalente
ao problema (3.2) em H0,N (div, ) L2 () com condies de Neumann homogneas em
N.
A vantagem desse mtodo obter o campo de velocidades v diretamente, resultando numa
maior preciso numrica. Resta, portanto, mostrar a existncia e unicidade da soluo
do problema (3.6), obtendo com eles os teoremas de convergncia usados para estimar o
erro da simulao.
36
(T
p)
p = 0
(T
p) n
=0
(3.7)
em D
=v
N n em N
Z
Z
1
u T v + ( u) p
Z
Z
Z
qv =
qw
ug
(u n) pD
u T1 v
u H0,N (div, )
q H0D ()
qv
p L2 ()
v H (div, )
0,N
(3.8)
e definindo v = v
+ v0 , vemos que (v, p) a soluo procurada. Isso nos diz que, em
N , condies de contorno no homogneas significam, simplesmente, uma mudana no
lado direito das equaes (3.5). Vejamos agora um tratamento mais formal da formulao
mista.
3.2.1
37
(3.9)
(3.10)
Seja outro espao de Hilbert Q com norma kkQ , produto interno (, )Q e dual Q0 . Seja
tambm uma forma bilinear contnua em V Q
(3.11)
(3.12)
a(v, u) + b(u, p)
b(v, q)
= f (u) u V
(3.13)
q Q
= g(q)
ou
Av
+ Btp = f
em V 0
Bv
=g
em Q0
(3.14)
(v, u)
(3.15)
b : H0,N (div, )Z L2 () R
(u, p)
( u) p
38
(3.16)
Supondo que o operador T 1 : H0,N (div, ) H0,N (div, ) seja contnuo, temos
(3.17)
(3.18)
e
Lema 2. Se g Im B e a forma bilinear a(, ) coerciva em Ker B, i.e., existe 0 tal
que
(3.19)
(3.20)
Bu = g em V 0 .
(3.21)
que satisfaa
(3.22)
.
Escrevendo u = u0 + ug , conclumos a existncia. Tomemos, ento, u1 e u2 solues de
(3.20) e (3.21). Temos
a(u1 u2 , v0 ) v0 Ker B.
(3.23)
claro que, se (3.13) tem uma soluo (u, p), ento u ser soluo de (3.20) e (3.21).
O lema acima implica, ento, que o primeiro componente da soluo (u, p) de (3.13) (se
39
1
(kf kV 0 + kak kug k) .
0
(3.24)
Assim, se encontrarmos uma cota superior para kug k, teremos feito o mesmo para kuk.
Notemos tambm que a coercividade de a pode ocorrer apenas em Ker B, sem que ocorra
em todo V .
Temos agora o problema de encontrar p. Para tal, mais hipteses tm de ser feitas sobre
o operador B. Mais precisamente, precisaremos que Im B seja fechada em Q0 . A razo
para tal est no seguinte resultado da anlise funcional, cuja prova pode ser vista em [56].
Lema 3. As afirmaes abaixo so equivalentes:
Im B fechada em Q0 .
Im B t fechada em V 0 .
(Ker B) = Im B t .
(Ker B t ) = Im B.
Existe k0 > 0 tal que, para todo g Im B, existe vg V com Bvg = g e
kvg kV 1/k0 kgkQ0 .
Existe k0 > 0 tal que, para todo f Im B t , existe qf Q com B t qf = f e
kqf kQ 1/k0 kf kV 0 .
Se qualquer uma das condies acima acontecer, dizemos que B admite um levantamento
contnuo de V 0 a Q.
1
1
kak
kf kV 0 +
1+
kgkQ0 ,
kukV
0
k0
0
40
(3.25)
kpkQ\Ker B t
kak
kak
kak
1
1+
kf kV 0 + 2 1 +
kgkQ0 .
k0
0
k0
0
(3.26)
kug k
1
kgkQ0 ,
k0
Temos ento que L(v0 ) = 0 v0 Ker B. Logo, pelo lema (3), L Im B t , mostrando que
existe p Q que satisfaz
L(v) = b(v, p) v V,
ou seja:
a(u, v) + b(v, p) = f (v) v V.
sup
vV
v6=0
b(v, p + p0 )
b(v, p)
L(v)
= sup
= sup
v6=0
Das desigualdades acima, e do fato que b(v, p) = L(v) = f (v) a(u, v) v V , obtemos
a desigualdade (3.26).
Note que no conclumos a unicidade de p. De fato, pela primeira equao de (3.13), vemos
que p est definida a menos de um elemento de Ker B t . A unicidade estar garantida se,
e somente se, Ker B t = 0, ou seja, se B for sobrejetiva.
41
|D
=f
(3.27)
=0
n N
=0
Denotemos por h o supremo dos dimetros (i.e, dos dimetros dos crculos circunscritos)
desses quadrados e
a(u, vh ) + b(u, ph )
b(vh , q)
= f (u) u Vh
(3.29)
q Qh
= g(q)
ou mesmo
Ah u + B t p
h
Bh u
=f
em Vh0
em Q0h .
=g
(3.30)
(3.31)
Isso significa que temos uma aproximao de primeira ordem ao utilizar o mtodo misto.
Vimos que o mtodo misto uma alternativa interessante por permitir a computao
direta do campo de velocidades. Porm, pode-se mostrar ([10]) que a formulao mista
envolve a determinao de um ponto de sela. Computacionalmente, problemas de ponto de
sela so mais difceis que problemas de minimizao. Alm disso, o espao Vh composto
de funes contnuas, o que gera um certo acoplamento no sistema associado, de forma
que a matriz de rigidez tenha menos zeros. Procuramos (se possvel) um mtodo que nos
leve a um problema de minimizao, preferencialmente que envolva funes descontnuas.
Esse mtodo o chamado mtodo misto-hbrido, tema da prxima seo.
43
3.3
A formulao mista-hbrida
A ideia desta seo trabalhar em um espao menos restritivo que H0,N (div, ). Comecemos definindo
X() = {v : v ij H(div, ij )} .
claro que H0,N (div, ) X(). Para trabalhar nesse espao, precisamos saber sob
quais condies uma funo em X() pertence a H0,N (div, ).
Seja E o conjunto das arestas dos ij e 0,D as funes em L2 (E) que se anulam em D
(a parte da fronteira com condies de Dirichlet). Definimos a seguinte forma bilinear:
c : X() Z 0,D R
(v, )
v n ds
(3.32)
ij
i,j
Como usual, denotaremos por C : X() 00,D o operador linear definido por c(, ).
imediato ver que
Cu =
v|ij nij
i,j
ij
=0
em ij D
ij = 0
ij = |
n
em ij N
ij
44
(3.33)
Lema 5. Se 0,D e
c(v, ) = 0 v X()
(3.34)
ento 0.
Podemos ver, ento, a condio v H0,N (div, ) como uma restrio em X() dada
por c(v, ) = 0 0,D .
Vejamos como uma nova formulao do problema pode ser apresentada. Escreveremos,
em X0,N (), v|ij = vij e, em L2 (), p|ij = pij . Seja (v, p) soluo de (3.13) e considere
o mapa
: u f (u) a(v, u)
b(uij , pij ).
(3.35)
ij
claro que (u) = 0 para todo u H0,N (div, ) = Ker C. Pelo lema (3), isso implica na
existncia de um 0 tal que
c(u, 0 ) = (u) u X().
(3.36)
Ou seja, temos
a(v, u) +
(3.37)
ij
45
a(v,
u)
+
P
i,j b(vij , qij ) = g(q)
c(v, ) = 0
= f (u)
u H()
q L2 ()
(3.38)
0,D .
kk2h =
eE
P
ij b(vij , qij ) = g(q)
c(v, ) = 0
= f (u) u Vh
q Ph
(3.39)
h .
(3.40)
Assim, vemos que h converge para a projeo de p nas arestas das clulas. E mais:
h uma aproximao de segunda ordem de p, enquanto kp ph kPh somente O(h)
(vide Equao (3.31)). Assim, os multiplicadores de Lagrange sero identificados com as
presses nas arestas.
As prximas sees so devotadas a estabelecer a implementao numrica da formulao
46
3.4
uT
"
X Z
i,j
( u) p
(u n) =
ij
ij
(ug)
(u n) p
u ij H(div, ij ) (3.41)
XZ
i,j
qv =
q w q L2 ()
(3.42)
ij
XZ
i,j
ij
v n = 0 0,N
(3.43)
47
uT
"
X Z
i,j
( u) p
(u n) =
ij
ij
(u g)
(n u) p
u Vh (3.44)
XZ
i,j
q .v =
ij
XZ
i,j
ij
q w q Ph
v n = 0 h .
(3.45)
(3.46)
3.5
Seja {ui } uma base para o espao Vh , {qi } uma base para Ph e {i } uma base para h .
R
R
R
R
R
Definimos aij = ui T1 uj , bij = .ui qj , cij = E i (ui n)+ p (ui n), gi = ui g
R
e wi = qi w . Definamos, ento, as matrizes A = (aij ), B = (bij ), C = (cij ), g = (gi ) e
w = (wi ). As equaes (3.44)-(3.46) se tornam, ento:
Av + Bp + C = g
(3.47)
Bt v = w
(3.48)
Ct v = 0
(3.49)
positivo-definido.
3.6
Examinando as equaes (3.47) - (3.49), vemos que o sistema linear associado da seguinte
forma:
A B C v g
p = w
Bt 0 0
Ct 0 0
(3.50)
v = A1 (g Bp C)
B t A1 B B t A1 C p w B t A1 g
.
=
C t A1 B C t A1 C
C t A1 g
Isolamos p na primeira linha:
p = (B t A1 B)1 B t A1 C + B t A1 g w
H = C t A1 C C t A1 B(B t A1 B)1 B t A1 C.
Ou seja:
49
H = C t A1 I B(B t A1 B)1 B t A1 C.
3.7
uL (t, s) =
1
uR (t, s) =
uU (t, s) =
uD (t, s) =
t
,0
x
t
,0
x
0, 1
s
y
s
0, y
x 0 T11 T12
S=
0 y
T21 T22
x 0 1
0 y xy
pR
1
S
3 11
1
S
6 11
1
S
4 12
1
S
4 12
1 vL y
1
S
6 11
1
S
3 11
1
S
4 12
1
S
4 12
1
S
4 21
1
S
4 21
1
S
3 22
1
S
6 22
v y
1
1
S
4 21
1
S
4 21
1
S
6 22
1
S
3 22
v x =
1
v x
1
pL
pU
pD
Simularemos o caso em que K uma matriz diagonal. Nessa situao, temos um sistema
ainda mais simples, pois S diagonal:
1
S
3 11
1
6 S11
1
S
6 11
1
S
3 11
1
S
3 22
1
S
6 22
1
S
6 22
1
S
3 22
1 vL y
vR y
1
v x =
1
v x
1
pR
pL
pU
(3.51)
pD
v y
L
vR y
vU x
vD x
p
M1 M2 M4
M2 M3 M5
M4 M5 M6
M7
M8
M9
M7 M8 M9 M10
m1 m2 m3
m4
m3
m4
pU
pD
m1 pL
pR
m2
(3.52)
(3.53)
52
Captulo 4
Discretizao das equaes
convectivo-difusivas
n+1
c(x, t
) dV =
c(x, t ) dV +
Z tn+1
tn
F n dtds.
(4.1)
Definimos
A =
(4.2)
dV
cn
Z
c(x, t ) dV
1
.
A
(4.3)
n+ 21
VS
Z Z tn+1
S
tn
53
v n dtds.
(4.4)
1 X n+ 12
f
A S S
cn+1
= cn +
(4.5)
n+ 1
fS
H,n+ 12
= fS
D,n+ 12
+ fS
(4.6)
H,n+ 21
fS
n+ 12
= cS
n+ 12
VS
Z Z tn+1
S
tn
cv.ndtds.
(4.7)
n+ 1
Aqui, a concentrao do tracer na face S da clula, cS 2 , calculada de diferentes maneiras, dependendo do nmero de dimenses espaciais. J o fluxo difusivo ser calculado por
diferenas finitas explcitas. Trataremos do fluxo convectivo na seo seguinte. A parcela
difusiva ser tratada numa seo posterior.
4.1
Fluxo convectivo em 1D
Por razes ilustrativas, exibimos o clculo dos fluxos convectivos em 1D. Esse clculo ser
feito utilizando uma variao do conhecido MUSCL Scheme, que consiste em uma reconstruo linear por partes da concentrao do tracer, seguido do uso das retas caractersticas
para obter as concentraes nas faces da clula. A reconstruo detalhada a seguir.
Definimos
54
muscl(a, b) =
se ab 0
se ab < 0
(4.8)
(4.9)
em que xi = xi+ 1 xi 1 e xi =
2
x xi
, x xi+ 1 , xi 1
2
2
xi
xi+ 1 +xi 1
2
(4.10)
Se aproximarmos
n+ 1
(4.11)
n+ 1
cni
ci+ 12 =
2
+ 21 1
cni+1
n+ 1
2
1
i+ 2
xi
12
1 +
cn
i
n+ 1
V 12
i+ 2
xi+1
n+ 1
se Vi+ 1 2 0
2
(4.12)
cn
i+1
se
n+ 1
Vi+ 1 2
2
< 0.
n+ 1
Note que essa equao necessariamente difere do MUSCL Scheme padro, no qual Vi+ 1 2
2
substitudo pela velocidade caracterstica vezes o intervalo de tempo.
Completamos os clculos para o fluxo puramente convectivo usando:
55
H,n+ 12
fi+ 1
2
n+ 1
n+ 1
= ci+ 12 Vi+ 1 2 .
2
(4.13)
possvel determinar as circunstncias nas quais esse mtodo ser estvel e convergente.
Lembramos que, na ausncia de poos em 1D, a velocidade independente de x (j que
1
n+ 1
div v = w = 0), e assim Vi+ 1 2 = v n tn+ 2 . Utilizando o Lema de Harten [32], vemos que
2
esse mtodo ser TVD (Total Variation Diminishing) se:
i tn+ 2 tH
i
xi
.
|v n |
(4.14)
Fisicamente, isso significa que o fluxo de fluido (i.e., vt) se restrinja a, no mximo, o
volume de vazio da clula (i.e., xi ). fato conhecido que os mtodos TVD so estveis
e convergentes [32].
4.2
Fluxo convectivo em 2D
Em 2D, usaremos uma verso do donor cell upwind scheme ([53]). Nesse mtodo, a massa
do tracer na clula aps um intervalo de tempo igual ao valor no tempo anterior mais
ou menos correes nas regies trapezoidais associadas s arestas das clulas.
Como no caso unidimensional, utilizamos uma reconstruo linear por partes. Em cada
clula, calculamos os incrementos:
56
(4.15)
Definindo a aproximao
n+ 1
(4.16)
n+ 1
cni+ 1 ,j =
2
cnij
1
n+ 2
i+ 1
2 ,j
Aij
+ 12
1
cni+1,j
12 1 +
n+ 1
cn
1,ij
se Vi+ 1 ,j2 0
2
(4.17)
n+ 1
V 12
i+ 2 ,j
cn
1,i+1,j
Ai+1,j
se
n+ 1
Vi+ 1 ,j2
2
<0
n+ 1
n
2 n
fi+
1
,j = Vi+ 1 ,j ci+ 1 ,j
2
(4.18)
n
similar). Agora, corrigimos os cni+ 1 ,j e afins:
(com fi+
1
,j
2
n+ 12
i+ 21 ,j
cn
i+ 12 ,j
cn
i+ 12 ,j
fn
f n
fn
2Aij
n
1 f
1
i,j+ 2
1
i,j 2
i+1,j 1
2
i+1,j+ 2
n+ 1
se Vi+ 1 ,j2 0,
2Ai+i,j
, se
n+ 1
Vi+ 1 ,j2
2
(4.19)
< 0,
n+ 1
n+ 1
n+ 1
n+ 1
n+ 1
(4.20)
57
cn+1
= cnij
ij
1
n+ 1
n+ 1
n+ 1
n+ 1
fi+ 12,j fi 12,j + fi,j 12 fi,j21 .
2
2
2
2
Aij
(4.21)
max
n+ 1 +
V 12
i+ 2 ,j
n+ 1
Vi 1 ,j2
2
Aij
n+ 1 +
Vi,j+21
2
n+ 1
Vi,j21
Aij
(4.22)
(4.23)
No caso de uma malha uniforme, podemos equivalentemente definir os incrementos temporais direcionais
n+ 1 +
n+ 1
1
=
t1,ij
1
=
t2,ij
vi,j+21 vi,j+21
(4.24)
ij xij
n+ 1 +
n+ 1
(4.25)
ij xij
1
n+ 21
1
1
max
,
t1,ij t2,ij
1.
(4.26)
Note que no exigimos que o mtodo bidimensional seja TVD, pois fato conhecido que
os esquemas TVD so, no mximo, de primeira ordem [31].
58
4.3
Fluxo difusivo
Espera-se que a difuso desempenhe um papel pequeno no fluxo mssico, sendo uma
pequena correo do fluxo convectivo. Dessa forma, utilizaremos integrao explcita
no tempo. Um tratamento mais acurado exigiria um mtodo implcito, mas os custos
computacionais extras seriam grandes comparados ao efeito esperado da difuso.
No escoamento unidimensional, aproximamos o fluxo difusivo por:
Z
Z tn+1 "
tn
l |v| +
c
x
D,n+ 12
fi+ 1
(4.27)
xi+ 1
2
1
l V n+1 2 +
i+ 2
n+ 12
cni+ 1
xi+ 1
(4.28)
H uma restrio quanto aos incrementos temporais na utilizao do fluxo difusivo juntamente com o convectivo. Seguindo [52], caso a desigualdade
l
2xi+ 1 xi 1
2
xi+ 1 + xi 1
2
(4.29)
seja verdadeira, o tratamento da difuso no implicar em uma restrio adicional significativa no incremento temporal. Nas nossas simulaes, verificamos que uma reduo de
5% suficiente para garantir a estabilidade do mtodo.
O tratamento da difuso em mltiplas dimenses anlogo. Obtemos as velocidades de
Darcy pela soluo do sistema linear, como visto no captulo anterior. A partir delas, e
com as concentraes de cada clula, obtemos as derivadas necessrias para o clculo do
fluxo difusivo, de forma a atualizar as concentraes de cada clula.
59
Captulo 5
Refinamento Adaptativo da Malha
5.1
Malhas Adaptativas
A soluo numrica de EDPs pode muitas vezes exigir uma malha no-uniforme, que se
adapte ao problema, sendo mais refinada onde a soluo ou as suas derivadas variem mais
rapidamente e menos refinada onde essa variao ocorra menos abruptamente. Em sistemas dependentes do tempo, essa necessidade mais expressiva, uma vez que a natureza
dinmica desses problemas pode produzir regies de rpida variao na soluo.
H essencialmente dois mtodos de se modificar malhas. A primeira mov-las juntamente
com as frentes de onda (vide [4, 14, 15, 38]). O segundo mtodo no movimenta a malha
no tempo, mas refina as regies de grande variao da soluo. Nessa situao, a cada
instante de tempo, a malha deve ser atualizada de forma a refletir a dinmica do problema
(veja [3, 5, 8, 19, 39, 41, 43, 44, 45]). Alguns autores, inclusive, preferem combinar os dois
mtodos, como pode ser visto em [2].
Uma malha formada por clulas que cobrem todo o domnio estudado, cada uma delas
associada a um n da estrutura de dados. Dada uma malha inicial, que representada
como a raiz de uma rvore, ns-filho com graus crescentes de refinamento podem ser
criados. Cada n pode agora ser um n-pai para os refinamentos seguintes. Esse procedimento pode ser executado em regies que atendam a um certo critrio de refinamento de
acordo com o problema em questo. Dessa forma, diferentes graus de refinamento podem
ser encontrados em regies adjacentes do domnio estudado [12].
60
De acordo com [47], esse procedimento conhecido como quadtree, uma classe de estruturas de dados hierrquica cuja propriedade em comum a todas serem baseadas no
princpio da decomposio recursiva do espao. Em [36], uma nova estrutura de dados,
chamada de fully threaded tree (FTT), apresentada e aplicada a simulao do escoamento de fluidos. FFT representa um avano comparado s abordagens baseadas em
rvores mencionadas. Cada n (seja ele uma folha ou no) possui fcil acesso a seus
filhos, vizinhos e pais, por meio de ponteiros especiais. Mais ainda, no FFT, o acesso a
clulas vizinhas e mais rpido, pois no necessrio percorrer toda a rvore para tal.
Implementaes do tipo quadtrees permitem que regies adjacentes do domnio possuam
diferentes nveis de refinamento. Como consequncia, para alcanar clulas vizinhas, o
algoritmo realiza uma busca na rvore. FFT consegue evitar esses custos permitindo a
diferena de apenas um nvel de refinamento entre clulas vizinhas. No entanto, essa
restrio impe um efeito de mdio alcance na malha: se uma clula necessita de mais
refinamento, seus vizinhos tero de ser refinados tambm. H, ento, uma perda de
localidade no refinamento, impondo um custo computacional adicional.
Nesse trabalho, ser utilizada a estrutura de dados Autonomous Leaves Graph (ALG),
descrita em [12]. Trata-se de uma estrutura simples, embora flexvel, que nos proporciona um refinamento local da malha, a um baixo custo computacional. Nele, em vez
da estrutura quadtree convencional, criado um grafo no qual os ns filho (os quais sero chamados folhas) tornam-se autnomos quando os respectivos ns pai so deletados.
Alm disso, essa estrutura permite a coexistncia de vizinhos com graus de refinamento
(arbitrariamente) diferentes por meio dos chamados ns de transio bem como a
comunicao rpida entre esses vizinhos ([12]).
O ordenamento das clulas feito por meio de uma space-filling curve. A vantagem desse
tipo de curva a utilizao de um mtodo simples e sistemtico para visitar todas as clulas
da malha. Alm disso, space-filling curves possuem um alto grau de localidade (vide [46,
47]). Nesse trabalho, ser utilizada a chamada Curva de Hilbert Modificada, uma verso da
curva de Hilbert tradicional, mas adaptada a malhas de diferentes nveis de refinamento.
Essa curva foi proposta em [13] e descrita em detalhes em [15]. Apresentaremos agora o
funcionamento do ALG.
61
5.2
5.2.1
A estrutura da malha
Para descrever a malha, mostraremos o caso do quadrado unitrio (embora a generalizao possa ser feita para malhas com polgonos arbitrrios, em duas ou mais dimenses
espaciais). Comecemos com uma malha constituda por quatro clulas, cada uma delas
identificadas pelo seu centro: (0.25, 0.25), (0.75, 0.25), (0.75, 0.25) e (0.75, 0.75). Cada
um dos quatro cell nodes possuem elos orientados nas quatro direes: norte, sul, leste e
oeste. Como resultado, temos o diagrama representado na Figura 5.1.
5.3
Refinamento da malha
Para mostrar como se realiza o refinamento da malha, suponha que a clula centrada em
(0.25, 0.75) seja escolhida para ser refinada. Nesse caso, a configurao mostrada em na
Figura 5.5(a) ser criada:
63
11
00
00 1010 01
11
11 01
00
01 01
(a)
1
0
00
11
011
1
00
11
00
00
11
1
0
00
00
11
111
0
00
11
00
11
1 0
0
1
1
0
0
1
00
0
011
1
011
1
00 1
11
0
1
00
00
11
00
00
11
111
0
11
00
1
00
11
00 0
11
11 00
00
11
(b)
(c)
64
1
2
2
2
2
2
2
3
2
3
1
2
5.4
Desrefino da malha
Antes de entrar em detalhes sobre o processo de desrefino, devemos ter em mente que,
para manter a estrutura bsica de blocos do grafo, necessrio que todas as quatro
clulas que sero desrefinadas pertenam ao mesmo bunch, permitindo a recuperao da
configurao anterior. Essa condio garante que configuraes antigas da malha possam
ser recuperadas executando-se mudanas locais mutuamente independentes, mesmo aps
um nmero arbitrariamente grade de refinos e desrefinos. O procedimento de derrefino
pode ser esquematizado da seguinte forma:
65
A conexo do novo n com seus vizinhos feita com a criao de quatro transition nodes, com o mesmo nvel de refinamento do bunch original. Ilustremos a sequncia de
desrefinamento com as figuras abaixo:
00
11
1010
11
01 00
11
000
110000
10 11
00
11
11
11
00
01 00
01 01
00
11
1010
00
01 11
11
01000
11
10 00
1100
11
01
00
11
1010
00
0110 11
11
01000
11
1100
00
11
01
01
00
11
1010
00
0110 11
11
11
00
01 00
1100
00
11
01
01
01
5.5
A ordenao das clulas da malha feita utilizando uma Curva de Hilbert Modificada
(MHC). Trata-se de um algoritmo baseado na curva de Hilbert original, mas adaptado
diviso do domnio em uma malha no-uniforme. Essa ordenao implementada por
meio de uma lista, e a cada vez que um refinamento executado, as novas clulas so
inseridas nessa lista. O procedimento detalhado para a construo da MHC pode ser
encontrado em [12]. Podemos ver um exemplo da MHC na Figura 5.10 abaixo.
66
5.6
Refinando e Desrefinando
67
VI+ 1 ,J =
2
pI+ 1 ,J =
2
1
yIJ
Vi+ 1 ,j
Si+ 1 ,j SI+ 1 ,J
(5.1)
pi+ 1 ,j yij
(5.2)
(5.3)
Si+ 1 ,j SI+ 1 ,J
2
pIJ =
1
xIJ yIJ
X
ij IJ
Essas equaes garantem a conservao da massa do fluido. A Eq. (5.1) diz que o fluxo
volumtrico na aresta de uma clula menos refinada a soma dos fluxos volumtricos nas
arestas das clulas mais refinadas. Equaes (5.2) e (5.3) nos dizem que as presses, tanto
nas faces quanto nos centros das clulas, so mdias das presses nas respectivas clulas
mais refinadas. Quanto concentrao do tracer, as clulas refinadas recebem o mesmo
valor da clula menos refinada original, pois no h como se determinar qual a proporo
de tracer que deve ir para cada nova clula.
O procedimento de resolver a Equao de Darcy inicialmente para toda a malha no nvel
de refinamento mximo requer um certo esforo computacional. Porm, lembramos que
o sistema linear ser resolvido apenas uma vez: os clculos para a atualizao da concentrao do tracer nas clulas usam um mtodo explcito. Assim, esse custo computacional
inicial compensado por no termos que resolver um novo sistema para determinar o
campo de velocidades a cada iterao na malha no-uniforme.
O desrefinamento inteiramente anlogo: caso um grupo de clulas com o mesmo nvel de
refinamento e pertencentes ao mesmo cacho tenham um gradiente de concentrao menor
que um valor limite, efetuamos o desrefinamento, como visto na seo 5.2. Nesse caso,
para esse grupo de clulas, calculamos as mdias pelas equaes (5.1) - (5.3). Alm disso,
calculamos a concentrao mdia do tracer:
cIJ =
1
xIJ yIJ
(5.4)
ij IJ
Esses valores mdios sero as propriedades fsicas da clula desrefinada. Note que a
68
69
Captulo 6
Implementao e resultados
numricos
6.1
Como vimos no Captulo 3, foram utilizadas duas abordagens diferentes: uma para o caso
de presses especificadas no contorno, e outra para a condio de contorno mista, na qual
p era especificada em uma parte do contorno e v na outra. Essas abordagens nos levam
a sistemas diferentes, e veremos agora alguns exemplos do resultado obtido em cada um
desses casos.
70
6.1.1
Exemplo Numrico 1
6.1.2
Exemplo Numrico 2
(a) Nvel 4
(b) Nvel 6
(c) Nvel 7
(d) Nvel 8
72
(a) Nvel 4
(b) Nvel 6
(c) Nvel 7
(d) Nvel 8
73
p(x, y) = 2 x atm
!
K
,0
v(x, y) =
mD-atm
= (1000, 0)
cP-m
(8.64, 0) m/dia.
Dessa forma, podemos comparar a soluo obtida na simulao com a soluo analtica.
Realizamos a simulao em diversos nveis de refinamento, obtendo valores exatos para
as velocidades, presses nas arestas e presses no centro das clulas. O grfico p versus x
(Figura 6.3) no nvel 4 de refinamento (256 clulas) ilustra esse resultado.
6.1.3
Exemplo Numrico 3
maneiras de se definir a permeabilidade mdia, sendo notrias as tcnicas de renormalizao ([16, 17, 21, 22, 23]), as mdias volumtricas ([34, 35, 55]) e a homogeneizao
([1, 6, 20]). Porm, por estar fora do escopo dessa dissertao, simplesmente tomamos o
cuidado de no desrefinar cachos de clulas que possuem permeabilidades diferentes.
Nesse exemplo, colocamos a permeabilidade igual a zero em um certo conjunto das clulas.
Se isso acontece, a velocidade na clula deve ser nula. Nesse caso, certo cuidado deve ser
tomado para evitar a diviso por zero na resoluo do sistema. Simulamos um domnio
quadrado, em cujo centro h um disco de clulas impermeveis. Abaixo (Figura 6.4)
podemos ver o campo de presses nos centros das clulas obtido numa malha de 16384
clulas.
6.2
6.2.1
Exemplo Numrico 1
Utilizaremos nesse exemplo uma concentrao inicial igual a 0.8 em um crculo de raio
0.3 centrado na origem. A evoluo da concentrao do tracer ao longo do tempo pode
ser vista na Figura 6.5 a seguir.
Podemos notar regies de maior refinamento onde h maior fluxo de massa, e regies
pouco refinadas onde esse fluxo baixo. Essa propriedade das malhas adaptativas nos
permite reduzir custos computacionais, desde que as regies de interesse ocupem uma
poro relativamente pequena do domnio a cada instante de tempo. A comparao
entre os tempos necessrios para atualizar as concentraes em malha uniforme e malha
adaptativa pode ser vista na tabela abaixo (Tabela 6.1).
Nvel
2
3
4
5
6
7
Nmero de Clulas
16
64
256
1024
4096
16384
Malha Uniforme(s)
6.3E-2
0.26
1.45
10.28
193.99
2937.59
ALG(s)
5.84E-2
0.22
0.31
1.94
12.79
109.79
(a) 0s
(b) 200s
(c) 400s
(d) 600s
(e) 800s
(f) 1200s
77
6.2.2
Exemplo Numrico 2
(a) 200s
(b) 400s
(c) 600s
(d) 800s
Podemos tambm ver a vantagem da malha adaptativa sobre a malha uniforme comparando os tempos gastos na atualizao das concentraes, na tabela a seguir (Tabela 6.2).
78
Nvel
2
3
4
5
6
7
8
Nmero de Clulas
16
64
256
1024
4096
16384
65536
Malha Uniforme(s)
1.11E-2
7.36E-3
2.82E-2
0.14
1.04
9.11
49.93
ALG(s)
4.37E-3
4.00E-3
2.73E-2
0.11
0.62
4.88
25.34
6.2.3
Exemplo Numrico 3
Nesse exemplo podemos ver o efeito de clulas com permeabilidade nula. Utilizamos uma
concentrao inicial de 0.8 em uma faixa vertical na parte oeste do domnio. Abaixo
(Figura 6.7) exibimos o campo de concentraes em diferentes intervalos de tempo.
Agora podemos ver claramente que no h transferncia de massa para as clulas de
permeabilidade nula. Em vez disso, o campo de concentraes sofre um desvio ao redor
dessas clulas. Convm notar que essa condio ocorre naturalmente: a soluo do sistema
linear nessas clulas produz um fluxo nulo na regio. Assim, apesar de ser um obstculo
ao escoamento do fluido, no tratamos essas clulas como contorno, mas sim como uma
clula qualquer interna malha.
79
(a) 80s
(b) 300s
(c) 400s
(d) 600s
(e) 700s
(f) 800s
(g) 1000s
(h) 1200s
Captulo 7
Concluses
7.1
7.1.1
Perspectivas
Permeabilidade Heterognea
Nesse trabalho, utilizamos (salvo no ltimo exemplo) uma permeabilidade constante. Normalmente, porm, o tensor de permeabilidade uma funo das coordenadas espaciais.
Uma abordagem comum modelar a permeabilidade como uma varivel aleatria na
escala mais fina permitida no problema. Apesar de ser aleatria, h uma correlao espacial (que leva em conta as permeabilidades das clulas vizinhas) como tambm esto
correlacionadas a permeabilidades e a porosidades da clulas.
Ao se trabalhar com uma permeablidade heterognea, surge a dificuldade de definir a
mdia das permeabilidades no desrefino das clulas. Como citado no Exemplo 3 da seo
6.1.3, existem diversos mtodos de se definir a permeabilidade mdia. Porm, de forma
geral, todos envolvem uma mdia harmnica das permeabilidades de cada clula. Em 1D,
ou no caso de fluxo unidirecional, a mdia de fato a mdia harmnica, ponderada pelo
tamanho da clula. Em situaes mais gerais, porm, clculos mais complexos devem
ser feitos para encontrar a mdia. Esses clculos podem envolver, inclusive, a soluo de
outra equao diferencial, como ocorre na homogeneizao.
81
7.1.2
Poos (wells)
7.1.3
Escoamento Multifsico
Algumas aplicaes requerem a simulao de vrios fluidos imiscveis num mesmo meio
poroso. Novamente, a indstria de petrleo nos d uma aplicao imediata: no raro h
a presena de gua e leo (eventualmente, gs) quando se trata de extrao de petrleo.
Alguns poos de petrleo no produzem naturalmente, devido presso na rocha ser
menor que a presso externa. Nesse caso, necessria uma injeo, em geral de CO2 , para
que o poo comece a produzir. O gs carbnico penetra, ento, na rocha, expulsando o leo
l contido. H tambm poos que produzem gs (principalmente metano), juntamente
com o leo. Esses tipos de poos geram a necessidade de entender melhor o escoamento
com vrias fases em um meio poroso.
Para a simulao, uma verso multifsica da Lei de Darcy deve ser utilizada, mas tambm devem-se levar em conta outros fatores importantes, como as tenses superficiais, as
interaes que ocorrem entre cada fase e o meio, e mesmo a morfologia e saturao da
matriz.
82
7.1.4
Escoamento Tridimensional
Foram realizadas nesse trabalho simulaes bidimensionais. Porm, em algumas aplicaes, fazem-se necessrias (naturalmente) as simulaes em 3D. A formulao terica da
Lei de Darcy (inclusive em sua forma hibrida-mista) apresentada no Captulo 3 pode ser
aplicada em qualquer nmero de dimenses. No entanto, uma modificao no tratamento
da conveco deve ser feita, utilizando-se (por exemplo) uma generalizao do donor cell
upwind scheme para o caso tridimensional [52].
7.2
Principais Contribuies
Bibliografia
[1] B. Amaziane, A. Bourgeat, and J. Koebbe. Numerical simulation and homogenization
of two-phase flow in heterogeneous porous media. Transp Por Media, 6:51947, 1991.
[2] D.C. Arney and J.E. Flaherty. An adaptive mesh-moving and local refinement
method for time-dependent partial differential equations. ACM Trans. Math. Software, 16:4871, 1990.
[3] I. Babuska, J.P.S.R. Gago, D.W. Kelly, and C. Zienkiewicz. A posteriori error analysis and adaptive processes in the finite element method: part iiadaptive mesh
refinement. Internat. J. Numer. Methods Eng., 19:16211656, 1982.
[4] M.J. Baines and A.J. Wathen. Moving finite element modelling of compressible flow.
Appl. Numer. Math., 2:495514, 1986.
[5] J. Bell, M. Berger, J. Saltzman, and M. Welcome. Three-dimensional adaptive mesh
refinement for hyperbolic conservation laws. SIAM J. Sci. Comput., 15(1):127138,
1994.
[6] A. Bensoussan, J. L. Lions, and G. Papanicolaou. Asymptotic analysis for periodic
structures. Elsevier, 1978.
[7] Michele Benzi. Preconditioning techniques for large linear systems: A survey. Journal
of Computational Physics, 182:418477, 2002.
[8] M. Berger and J. Oliger. Adaptive methods for hyperbolic partial differential equations. J. Comput. Phys., 53:484512, 1984.
[9] R. Byron Bird, Edwin N. Lightfoot, and Warren E. Stewart. Transport Phenomena,
Revised Second Edition. Wiley, 2006.
[10] Franco Brezzi and Michel Fortin.
Springer-Verlag, 1991.
84
[11] D. Burgarelli. Modelagem computacional e simulao numrica adaptativa de equaes diferenciais parciais evolutivas aplicadas a um problema termoacstico. Masters
thesis, Tese de doutorado, PUC-Rio, Rio de Janeiro, 1998.
[12] D. Burgarelli, M. Kischinhevsky, and R. J. Biezuner. A new adaptive mesh refinement
strategy for numerically solving evolutionary pdes. J. Comput. Appl. Math., 196:115
131, 2006.
[13] D. Burgarelli, M. Kischinhevsky, P.J. Paes Leme, and O.T. Silveira. Refinamento de
malha adaptativa em paralelo. Colloquia em Computao Cientfica de Alto Desempenho, Rio de Janeiro, RJ, 1995.
[14] N. Carlson and K. Miller. Design and application of a gradient-weighted moving
finite element code, part i, in 1-d. SIAM J. Sci. Comput., 19(3):728765, 1994.
[15] N. Carlson and K. Miller. Design and application of a gradient-weighted moving
finite element code, part ii, in 1-d. SIAM J. Sci. Comput., 19(3):766798, 1994.
[16] G. Christakos, C. T. Miller, and D. Oliver. Cleopatras Nose and the Diagrammatic
Approach to Flow Modelling in Random Porous Media. In: Geostatistics for the Next
Century. Kluwer Academic, 1994.
[17] M. A. Christie. A renormalization based upscaling technique for WAG flood in heterogeneous reservoirs. In: Symposium on Reservoir Simulation. SPE, 1995.
[18] M. Crouzeix and P.A. Raviart. Conforming and non-conforming finite elements for
solving the stationary stokes equations. R.A.I.R.O. Anal., 7:33 76, 1973.
[19] P. De Oliveira. On the caracterization of finite differences optimal meshes. J.
Comput. Appl. Math., 36:137148, 1991.
[20] L. J. Durlofsky. Numerical calculation of equivalent grid block permeability tensors
for heterogeneous porous media. Water Resourc Res, 27:699708, 1991.
[21] M. G. Edwards and M. A. Christie. Dynamically adaptive Godunov schemes with
renormalization for reservoir simulation. In: Twelfth SPE Reservoir Simulation Symposium, New Orleans, Louisiana. SPE, 1993.
[22] M. G. Edwards and C. F. Rogers. Multigrid and renormalization for reservoir simulation. In: Hemker D, Wesseling P, editors. Multi-Grid Methods IV, The Netherlands.
Birkhuser Basel, 1993.
[23] M. G. Edwards and C. F. Rogers. A flux continuous scheme for the full tensor
pressure equation. In: Christie MA, Da Silva FV, Farmer CL, Guillon O, Heinmann
85
ZE, editors. 4th European Conference on the Mathematics of Oil Recovery, Norway,
1994.
[24] Lawrence C. Evans. Partial Differential Equations, Second Edition. American Mathematical Society, 2010.
[25] R. Eymard, T. Gallout, and R. Herbin. Finite volume methods. In: P.G. Ciarlet
and J.L. Lions, editors, Techniques of Scientific Computing, Part III, Handbook of
Numerical Analysis, VII:7131020, 2000.
[26] R. Eymard, T. Gallout, and R. Herbin.
Finite volume methods. schemes and analysis. <http://www.math.uni.wroc.pl/~olech/courses/skrypt_
Roberta_wroclaw.pdf>, 2008. University Course Notes [Online; acessado em
29/09/2013].
[27] Fox and McDonald. Introduction to Fluid Mechanics, Fifth Edition. Wiley, 1999.
[28] B. L. Giacchini.
Uma breve introduo ao mtodo dos elementos finitos. <http://www.mat.ufmg.br/~rodney/notas_de_aula/elementos_finitos.
pdf>, 2012. Acessado em 31/10/2013.
[29] David Gilbarg and Neil S. Trudinger. Elliptic Partial Differential Equations of Second
Order. Springer, 2001.
[30] V. Girault, S. Sun, M. F. Wheeler, and I Yotov. Coupling discontinuous galerkin and
mixed finite element discretizations using mortar finite elements. SIAM J. on Num.
Anal, 46:949979, 2008.
[31] J Goodman and RJ LeVeque. On the accuracy of stable schemes for 2d scalar conservation laws. Math. Comp., 45:1521, 1985.
[32] A. Harten. High resolution schemes for hyperbolic conservation laws. J. Comput.
Phys., 49:357393, 1983.
[33] M.R. Hestenes and E. Stiefel. Methods of conjugate gradients for solving linear
systems. J. Res. Nat. Bur. Stand., 49:409436, 1952.
[34] P. Indelman and G. Dagan. Upscaling of permeability of anisotropic formations 1.
the general framework. Water Resourc Res, 29:91723, 1993.
[35] P. Indelman and G. Dagan. Upscaling of permeability of anisotropic formations 2.
the general framework. Water Resourc Res, 29:92533, 1993.
[36] A.M Khokhlov. Fully threaded tree algorithms for adaptive refinement fluid dynamics
simulations. J. Comput. Phys., 143:519543, 1998.
86
[37] Randall J. LeVeque. Numerical Methods for Conservation Laws. Birkhauser, 1992.
[38] K. Miller and R. Miller. Moving finite elements, part i. SIAM J. Numer. Anal.,
18:10191032, 1981.
[39] W.F. Mitchell. Adaptive refinement for arbitrary finite-element spaces with hierarchical bases. J. Comput. Appl. Math., 36:6578, 1991.
[40] J. T. Oden. Finite elements: An introduction. In: P.G. Ciarlet and J.L. Lions, editors, Techniques of Scientific Computing, Part III, Handbook of Numerical Analysis,
II:315, 1991.
[41] J. Oliger and X. Zhu. Stability and error estimation for component adaptive grid
methods. Appl. Numer. Math., 20:407426, 1996.
[42] J.K. Reid. On the method of conjugate gradients for the solution of large sparse
systems of linear equations. In: Large sparse sets of linear equations, J. K. Reid,
ed., Academic Press, pages 231254, 1971.
[43] W.C. Rheinboldt. On a theory of mesh-refinement processes. SIAM J. Numer. Anal.,
17(6):766778, 1980.
[44] M.C. Rivara. Mesh refinement processes based on the generalized bisection of simplices. SIAM J. Numer. Anal., 21(3):604612, 1984.
[45] M.C. Rivara. Local modification of meshes for adaptive and/or multigrid finiteelement methods. J. Comput. Appl. Math., 36:7989, 1991.
[46] H. Sagan. Space-Filling Curves. Springer, Berlin, 1994.
[47] H. Samet. The Design and Analysis of Spatial Data Structures. Addison-Wesley,
Reading, MA, 1990.
[48] Jonathan Richard Shewchuk. An introduction to the conjugate gradient method
without the agonizing pain. School of Computer Science, Carnegie Mellon University,
Pittsburg, 1994.
[49] John C. Tannehill, Dale A. Anderson, and Richard H. Pletcher. Computational Fluid
Mechanics and Heat Transfer, 2nd Ed. Taylor and Francis, 1997.
[50] Hlia Valrio Thibes. Um estudo da fatorao incompleta lu e cholesky como
pr-condicionadores nos mtodos iterativos. Masters thesis, Dissertao(Mestrado
em Matemtica Aplicada) - Instituto de Matemtica, Universidade Federal do Rio
Grande do Sul, 2002.
87
[51] E. F. Toro. Riemann Solvers and Numerical Methods for Fluid Dynamics. SpringerVerlag, 1999.
[52] John A. Trangenstein. Multi-scale iterative techniques and adaptive mesh refinement
for flow in porous media. Advances in Water Resources, 25:1175 1213, 2002.
[53] John A. Trangenstein. Numerical Solution of Hyperbolic Partial Differential Equations. Cambridge University Press, 2009.
[54] H. A. Van der Vorst. Bi-cgstab: A fast and smoothly converging variant of bi-cg
for the solution of nonsymmetric linear systems. SIAM J. Sci. and Stat. Comput.,
13:631644, 1992.
[55] S. Whitaker. Flow in porous media i: A theoretical derivation of darcys law. Transport in Porous Media, 1:325, 1986.
[56] Kosaku Yoshida. Functional Analysis. Springer, 1995.
88