使用 NeuralFMU 对人体心血管系统进行混合建模
机器学习
2021-12-15 v1 计算工程、金融与科学
摘要
混合建模, 即第一性原理模型与机器学习模型的结合, 是一个日益受到关注的新兴研究领域。尽管混合模型在学术示例中产生了出色的结果, 但仍存在不同的技术挑战阻碍了混合建模在现实世界应用中的使用。通过提出 NeuralFMUs——即 FMU、数值 ODE 求解器与 ANN 的融合——我们为将来自不同建模工具的各种第一性原理模型作为混合模型的组成部分铺平了道路。本文处理了一个复杂现实世界示例的混合建模: 从人体心血管系统 (动脉侧) 的简化一维流体模型出发, 目标是从数据中学习被忽略的物理效应, 如动脉弹性。我们将展示, 与仅基于第一性原理的建模相比, 混合建模过程更为简便, 所需的系统知识更少, 因此更不易出错。此外, 与纯第一性原理白盒模型相比, 所得的混合模型在计算性能上有所提升, 同时仍满足所考虑血液动力学量在精度方面的要求。所提出技术的使用以通用方式进行了解释, 所考虑的用例可作为医疗领域内外的其他建模与仿真应用的示例。
引用
@article{arxiv.2109.04880,
title = {Hybrid modeling of the human cardiovascular system using NeuralFMUs},
author = {Tobias Thummerer and Johannes Tintenherr and Lars Mikelsons},
journal= {arXiv preprint arXiv:2109.04880},
year = {2021}
}