基于物理信息神经网络的冰盖动力学仿真：浅层冰层近似方法
机器学习
2025-07-04 v2 数值分析
数值分析
大气与海洋物理
摘要
本文发展了一种物理信息神经网络(PINN)方法，用于模拟由浅层冰层近似(Shallow Ice Approximation)规征的冰盖动力学。该问题呈现为时依赖的抛物型障碍问题。先前的工作已用于解决稳态障碍问题，本文将其扩展到时依赖问题。通过进行全面的 1 维和 2 维仿真，我们验证了该模型在捕获复杂自由边界条件方面的有效性。通过将传统数学建模与前沿深度学习方法融合，本方法为预测冰层厚度的时间变化提供了一种可扩展且稳健的解决方案。为说明此方法在现实世界中的应用，我们模拟了 Devon Ice Cap 的动力学，纳入了 2000 年和 2018 年的大气地理学数据。
引用
@article{arxiv.2504.08136,
title = {A physics informed neural network approach to simulating ice dynamics governed by the shallow ice approximation},
author = {Kapil Chawla and William Holmes},
journal= {arXiv preprint arXiv:2504.08136},
year = {2025}
}