基于物理信息神经网络的挟沙流沉降速度识别
流体动力学
2024-04-11 v1
摘要
物理信息神经网络（PINNs）在流体动力学模拟中展现出巨大潜力，特别是在流场重建和关键参数识别方面。在本研究中，我们探索应用PINNs恢复沉降流的无量纲沉降速度。该流动涉及叠置于盐水之上的含沙淡水，由Navier-Stokes方程耦合泥沙浓度和盐度输运方程来描述。我们研究了两种情况：一种是训练数据包含盐度和泥沙浓度场，另一种是包含速度场。对于这两种情况，我们研究了多种流态，并表明该模型能够推断未知参数并重建流动的流体动力学场。通过与高保真半拉格朗日求解器的数值模拟结果进行比较，我们评估了模型推断的质量。我们通过使用被不同幅度噪声破坏的数据进行训练，证明了模型对噪声的鲁棒性，突显了PINNs在实际应用中的潜力。
引用
@article{arxiv.2404.06802,
title = {Identification of Settling Velocity with Physics Informed Neural Networks For Sediment Laden Flows},
author = {Mickaël Delcey and Yoann Cheny and Jean-Baptiste Keck and Adrien Gans and Sébastien Kiesgen De Richter},
journal= {arXiv preprint arXiv:2404.06802},
year = {2024}
}