一种基于机器学习生成具有目标孔隙率与渗透率随机堆积各向同性多孔介质的方法
流体动力学
2022-08-23 v1
摘要
多孔材料用于诸多领域，包括能源工业、农业、医疗工业等。数字多孔介质的生成有助于真实多孔介质的制备及其性质分析。过去的随机数字多孔介质生成方法无法生成具有特定渗透率的多孔介质。本研究提出一种新方法，可生成具有特定孔隙率与渗透率的随机堆积各向同性多孔介质。首先，详述了随机堆积各向同性多孔介质的生成过程。其次，采用多松弛时间(MRT)格子玻尔兹曼方法(LBM)计算所生成多孔介质的渗透率，为卷积神经网络(CNN)的训练做准备。再次，利用 3000 个关于多孔介质微观结构及其渗透率的样本训练 CNN 模型。所训练模型在预测多孔介质渗透率上非常有效。最后，阐述了我们的方法并讨论了该方法中目标渗透率的选择。在强大计算机支持下，可在短时间内生成满足孔隙率与渗透率误差条件的多孔介质。
引用
@article{arxiv.2208.10023,
title = {A machine learning based method to generate random packed isotropic porous media with desired porosity and permeability},
author = {Jianhui Li and Tingting Tang and Shimin Yu and Peng Yu},
journal= {arXiv preprint arXiv:2208.10023},
year = {2022}
}