用物理信息神经网络学习自由表面流
流体动力学
2022-03-04 v1 机器学习
摘要
数据驱动学习方法与经典模拟之间的接口构成一个有趣领域，提供大量新应用。本工作中，我们基于物理信息神经网络(PINNs)的概念，将其应用于浅水方程(SWE)模型领域。这些模型在模拟自由表面流场景(如洪水波传播或海啸波)中起重要作用。我们比较了PINN残差的不同表述，并评估多种优化以加速收敛速率。我们用不同一维和二维实验测试这些，最终证明对于一个具有变化地形的SWE场景，该方法能产生与直接数值模拟竞争的结果，总相对误差为。
引用
@article{arxiv.2111.09705,
title = {Learning Free-Surface Flow with Physics-Informed Neural Networks},
author = {Raphael Leiteritz and Marcel Hurler and Dirk Pflüger},
journal= {arXiv preprint arXiv:2111.09705},
year = {2022}
}