用于冻土热力学耦合仿真中估计冻结土中未冻结水含量的数据驱动人工神经网络模型
软凝聚态物质
2025-08-05 v1
摘要
本研究将用于估计冻结土中未冻结水含量的数据驱动模型集成到热力学耦合仿真中。采用文献中提供的数据集开发了一个人工神经网络 (ANN) 来实现该数据驱动模型。随后，开发了一个数值算法将数据驱动模型实现到热力学仿真中。在数值算法中，首先根据冻结温度区分冻结区和未冻结区，在冻结节点处使用 ANN 模型更新未冻结水。随后，依次迭代求解离散的水力学方程和热方程，直到温度和未冻结水含量同时满足容差。采用水平和垂直冻结实验验证了所提出算法的可靠性。计算得到的温度、总水、未冻结水和冰含量的变化与测量数据取得了良好的一致性。所develop算法再现了冻土的一些关键特征，如水迁移和冰形成以及总水含量的增加。此外，比较ANN模型与现有经验公式用于确定未冻结水含量，结果表明 ANN 模型性能更佳。
关键词
引用
@article{arxiv.2508.01902,
title = {Data-driven ANN model for estimating unfrozen water content in the thermo-hydraulic simulation of frozen soils},
author = {Mingpeng Liu and Peizhi Zhuang and Raul Fuentes},
journal= {arXiv preprint arXiv:2508.01902},
year = {2025}
}