面向随机介质中孔隙弹性问题有效属性预测的机器学习加速方法
数值分析
2018-10-04 v1 机器学习
计算物理
摘要
本文考虑具有随机属性的孔隙弹性问题的数值均匀化。所提出的方法基于深度神经网络（DNN）的构造，用于快速计算该问题粗网格近似的有效属性。我们在选定的局部微观尺度随机场与宏观尺度特征（渗透率和弹性张量）的实现集合上训练神经网络。我们通过卷积神经网络（CNN）构建深度学习方法，以学习随机场与有效属性之间的映射。针对二维和三维模型问题给出了数值结果，表明所提方法能提供快速且准确的有效属性预测。
引用
@article{arxiv.1810.01586,
title = {Machine learning for accelerating effective property prediction for poroelasticity problem in stochastic media},
author = {Maria Vasilyeva and Aleksey Tyrylgin},
journal= {arXiv preprint arXiv:1810.01586},
year = {2018}
}