利用深度神经算子开发用于地下水流动建模的低成本模拟器
流体动力学
2023-04-25 v1 计算工程、金融与科学
摘要
当前的地下水模型因其沉重的计算负担在实施中面临重大挑战。为克服此问题，我们的工作提出了一种低成本模拟器，可高效且准确地预测含水层中开采的影响。我们的方法使用深度神经算子（DeepONet），通过深度神经网络学习无限维函数空间之间的映射算子。目标是推断在抽水井存在下承压含水层中水头分布。我们成功在四个问题上测试了DeepONet，包括两个正问题、一个反分析和一个非线性系统。此外，我们提出了一种基于DeepONet架构的新颖扩展，以对训练中未见过的水力传导系数场和抽水井位置生成准确预测。我们的模拟器预测与目标数据高度吻合，表明所提模型可作为支持需重复正数值模拟或地下水流动问题反模拟的一系列任务的高效快速工具。总体而言，我们的工作为开发低成本且准确的地下水模型提供了有前景的途径。
引用
@article{arxiv.2304.12299,
title = {Developing a cost-effective emulator for groundwater flow modeling using deep neural operators},
author = {Maria Luisa Taccari and He Wang and Somdatta Goswami and Jonathan Nuttall and Xiaohui Chen and Peter K. Jimack},
journal= {arXiv preprint arXiv:2304.12299},
year = {2023}
}