一种用于地下水热泵热羽流预测的深度学习 method
机器学习
2022-03-30 v1 流体动力学
摘要
建筑气候控制占全球能源消耗的重要部分，地下水热泵提供了一种合适的替代方案。为防止城市中热泵之间可能的负面相互作用，城市规划者未来必须优化其布局。我们开发了一种新颖的数据驱动方法，用于构建小规模代理模型，以模拟地下水热泵在周边地下水中产生的热羽流。基于从二维数值模拟生成的数据集，我们训练了一个卷积神经网络，用于从给定的地下流速场预测稳态地下温度场。我们表明，与现有模型相比，我们的模型能捕捉更复杂的动力学，同时计算仍很快速。所得代理模型因此非常适合于城市规划者的交互式设计工具。
引用
@article{arxiv.2203.14961,
title = {A Deep Learning Approach for Thermal Plume Prediction of Groundwater Heat Pumps},
author = {Raphael Leiteritz and Kyle Davis and Miriam Schulte and Dirk Pflüger},
journal= {arXiv preprint arXiv:2203.14961},
year = {2022}
}