检索结果-南通市图书馆

physics-constrained deep learning for data assimilation of subsurface transport

Energy and AI 2021年第1期3卷 104-114页

作者： Haiyi Wu Rui Qiao Department of Mechanical Engineering Virginia TechBlacksburgVA 24061USA

Data assimilation of subsurface transport is important in many energy and environmental applications,but its solution is typically *** this work,we build physics-constrained deep learning models to predict the full-scale hydraulic conductivity,hydraulic head,and concentration fields in porous media from sparse measure-ment of these *** model is developed based on convolutional neural networks with the encoding-decoding *** model is trained by minimizing a loss function that incorporates residuals of governing equations of subsurface transport instead of using labeled *** trained,the model predicts the unknown conductivity,hydraulic head,and concentration fields with an average relative error<10%when the data of these observables is available at 12.2%of the grid points in the porous *** model has a robust predictive performance for porous media with different conductivities and transport under different Péclet number(0.5

关键词： physics-constrained deep learning Data assimilation Subsurface transport Convolutional encoder-decoder

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：