预测反应性多孔介质中穿透曲线的机器学习方法
流体动力学
2023-01-13 v1 机器学习
摘要
多孔介质中的反应流在我们的生活中扮演着重要角色，对许多工业、环境和生物医学应用至关重要。通常，入口处的物质浓度是已知的，而在出口处测量的所谓穿透曲线是可以测量或数值计算的量。测量和模拟可能耗时且昂贵，而机器学习和大数据方法可以帮助以更低的成本预测穿透曲线。机器学习 (ML) 方法，如高斯过程和全连接神经网络，以及一种张量方法——交叉近似，非常适合预测穿透曲线。在本文中，我们展示了它们在催化过滤器中孔隙尺度反应流情况下的性能。
引用
@article{arxiv.2301.04998,
title = {Machine learning methods for prediction of breakthrough curves in reactive porous media},
author = {Daria Fokina and Pavel Toktaliev and Oleg Iliev and Ivan Oseledets},
journal= {arXiv preprint arXiv:2301.04998},
year = {2023}
}