基于PINNs算法的地下水渗流模型求解及参数反演

作     者：张升 兰鹏 苏晶晶 熊海斌 ZHANG Sheng;LAN Peng;SU Jingjing;XIONG Haibin

作者机构：中南大学土木工程学院湖南长沙410075 

出 版 物：《岩土工程学报》 (Chinese Journal of Geotechnical Engineering)

年 卷 期：2023年第45卷第2期

页      面：376-383,F0003,F0004页

核心收录：

学科分类：0711[理学-系统科学] 081401[工学-岩土工程] 08[工学] 0815[工学-水利工程] 0814[工学-土木工程] 

基　　金：国家重点研发计划项目(2017YFE0119500) 湖湘高层次人才聚集工程-创新团队项目(2019RS1008) 湖南省研究生科研创新项目(cx20220109) 中南大学研究生自主探索创新项目(2022zzts0018) 湖南省自然科学基金青年基金项目(2022JJ40566) 

主　　题：地下水渗流模拟 渗流参数反演 物理信息神经网络 硬约束 

摘      要：地下水渗流模型的渗流流速计算(正向求解)和渗流参数反演(反向求解)工程意义重要,但目前能同时解决两类问题的算法较少。针对该问题,引入了物理信息神经网络(PINNs)算法,并加入硬约束进行改进,在正向求解方面,分别建立了渗流方程与达西定律耦合的水头、流速同时求解方法(PINNs-H-I),以及先计算水头再通过自动微分求解流速的计算方法(PINNs-H-II)。对于反向求解,分别采用单(多)物理场神经网络模型的PINNs算法反演均质(非均质)渗流参数。通过算例分析表明,相比软约束PINNs算法,通过施加硬约束可同时改善正向求解和反向求解的性能,另外在正向渗流速度计算中PINNs-H-II方法具有更高的计算精度,同时单(多)物理场神经网络模型PINNs算法反演的均质(非均质)渗流参数与实际值符合较好。