В. А. Мироненко динамика ползших поп московский

U_t. Собственно моделирование заключается в цодборе сопротивле­ний R_fp таким образом, чтобы потенциалы в расчетных узловых точках совпадали с заданными величинами £/,-. Для контроля следует иметь в виду, что поскольку искомые параметры к_р1т_р априорно считаются постоянными в пределах рассматриваемой области, то при однородной разбивке все операторные сопротивления должны ока­заться равными (а точнее — близкими) по величине. Если удовлет­ворить данное требование не представляется возможным, то это сви­детельствует о неправомочности предпосылки о постоянстве иско­мых параметров к_р/ т_р.

По результатам моделирования оказывается, таким образом, определена функциональная связь между водоотдачей и показате­лем перетекания к_р/т_р:
(7.12)
из которой может быть найден один из этих параметров, если другой определен каким-то независимым путем.
Аналогично изложенному с помощью операционного метода мо­жет осуществляться параллельное определение емкостных парамет­ров и параметров инфильтрационного питания.
Из приведенного материала становятся очевидными основные преимущества операционного метода при решении задач фильтра­ции.

Фильтрационные параметры отыскивают исходя из стаци-
онарного уравнения вида (7.10) — вместо нестационарных, благода­ря чему расчетные операции заметно упрощаются.
Ш Граничные условия для преобразованного уравнения не зависящие от времени, оказываются существенно унифи­цированными, так что обычно не требуется менять схему интерпре­тации эксперимента применительно к изменениям во времени усло­вий на водозаборных скважинах.
|3| Функция К(х, у), в отличие от S( х, у, t), использует сразу всю информацию о понижении в данной точке и отражает предшест­вующую историю процесса понижения уровней. В то время как фун­кция S(x, у, 0 в каждый данный момент испытывает случайные флуктуации, обусловленные объективными (неизбежная случайная неоднородность поля фильтрации, не учтенная при составлении рас­четной модели) или субъективными (неточность единичного измере­ния) факторами, функция 5(х, у) как бы статистически усредняет эти флуктуации, резко снижая вызываемые ими погрешности. А поскольку в истории изменения понижений S(x, у, 0 в данной точке косвенно отражается влияние параметров всего поля фильтрации (в пределах области влияния эксперимента), то имеет место усредне­ние не только во времени, но и в пространстве. С этих позиций можно говорить о том, что операционным методом определяются приведен­ные (расчетные) параметры для данной области, которыми как раз и следует пользоваться в прогнозах фильтрации для той же области при любых монотонных режимах возмущения.
Операционный метод имеет ограничения. Они обусловлены тре­бованиями линейности исходных дифференциальных уравнений и граничных условий. Кроме того, напомним, что в изложенной моди­фикации метод предполагает стационарность исходного распределе­ния напоров (на момент t = 0). Ясно, однако, что эти ограничения не исключают возможности применения операционного метода в весь­ма широком круге реальных условий.

4. 
   Об интерпретации данных режимных наблюдений на ЭВМ методами целенаправленного поиска
   

Мы не будем подробно рассматривать здесь решение обратных задач методами целенаправленного поиска [23] когда параметры определяются в результате многократного подбора — калибра­ции модели по известным значениям напоров и расходов потока - с помощью специальных алгоритмов. Заметим, однако, что этот путь требует проведения вариантных расчетных операций в таком объе­ме, который реально осуществим лишь с привлечением ЭВМ. Поэто­му отказ от ЭВМ в данном случае равносилен снижению точности и надежности решения обратной задачи. Вместе с тем полная автома­тизация процесса идентификации водоносного пласта на ЭВМ суще­ственно снижает возможности контроля за физическим правдоподо­бием модели, возможности интуитивных оценок и внесения коррек­тив. Кроме того, для этих целей необходимы мощные ЭВМ с большой памятью.
В целом использование цифровой вычислительной техники яв­ляется лишь необходимым, но никак не достаточным условием эф­фективного решения обратной задачи: корректность ее постановки и надежность расчетных параметров решающим образом зависят от субъективного фактора — квалификации исследователя. И, несмот­ря на то что часть его оценок может быть заранее введена в решаю­щий алгоритм, многие решения приходится принимать в процессе идентификации, причем нередко — на интуивном уровне. С этих позиций решение обратной задачи, как бы ни было оно автоматизи­ровано, под силу лишь специалисту, хорошо владеющему как мето­дами математического моделирования, так и методами гидрогеоло- гического анализа. Гидрогеолог, занятый идентификацией водо­носной сис/Нёмы, обязательно должен иметь хороцгеё представле­ние об исполЬзуембм чйсленном мегподе, хотя бы для того чтобы наилучшйм образом распорядиться имеющейся информацией, без тщательного Учета которой немыслимо эффективнее решение обрат­ной задачи.
Решающее значение для корректностгг постановки и точности решения обратных зддач на практике обычйоимеют не метрологиче­ские погрешности и не дефекты формально-математического аппа­рата, а погрешности, обусловленные физическим несоответствием модели и реального объекта! Главными из них являются погрешности самого дифференциального уравнения и краевых условий, а также погрешности интерполяции напоров, обусловленные недостаточной плотностью расположения скважин режимной сети. Поскольку эти погрешности, практически неотделимые от погрешностей парамет­ров, определяются характером, площадным распределением и плот­ностью исходной информации, для каждого объекта индентифика- ции и соответствующей калибрационной модели существует, оче­видно, некая оптимальная, с точки зрения задач калибрации, сеть наблюдательных точек и точек опробования (при фиксированных затратах на наблюдательную сеть и опробование).
За этим выводом пока как будто не видно ощутимой практиче­ской пользы, так как построение оптимальной системы наблюдений и опробования требует достаточно ясных представлений о фильтра­ционных параметрах, которые как раз и вырабатываются в резуль­тате решения обратной задачи. Однако положение принципиально изменится, если мы попытаемся сделать связь исходной информации с расчетными параметрами не односторонней, а взаимной. Для этого необходимо, очевидно, строить калибрационный процесс в несколь­ко этапов, постепенно развивая наблюдательную сеть или проводя дополнительное опробование пласта с учетом текущих требований калибрации. Иначе говоря, решение обратной задачи надо проводить по идее «самообучающегося» эксперимента, с осуществлением ка­либрационного процесса на «самообучающейся» модели.