基于物理信息神经网络的非等温多相孔隙力学反演建模
机器学习
2023-08-09 v1 计算工程、金融与科学
摘要
我们提出一种利用物理信息神经网络（PINNs）进行多孔介质中多相热-水-力（THM）过程参数辨识的策略。我们采用特别适合反问题的无量纲形式 THM 控制方程，并利用我们在先前工作中开发的序列多物理场 PINN 求解器。我们在多个基准问题上验证了所提出的反演建模方法，包括 Terzaghi 等温固结问题、Barry-Mercer 等温注采问题，以及非饱和土层非等温固结。我们报告了所提出的序列 PINN-THM 反演求解器的优异性能，从而为 PINNs 应用于复杂非线性多物理场问题的反演建模铺平了道路。
引用
@article{arxiv.2209.03276,
title = {Inverse modeling of nonisothermal multiphase poromechanics using physics-informed neural networks},
author = {Danial Amini and Ehsan Haghighat and Ruben Juanes},
journal= {arXiv preprint arXiv:2209.03276},
year = {2023}
}