基于稀疏观测与物理信息PointNet的多孔介质流体流动预测
流体动力学
2023-08-14 v3 地球物理
摘要
我们利用稀疏点观测和一类称为“物理信息PointNet”(PIPN)的新型物理信息神经网络，预测多孔介质在孔隙尺度上流体的稳态Stokes流动。考虑到PIPN的优势，相较于用于多孔介质的物理信息卷积神经网络，其具备三项新特性。第一，PIPN的输入仅为多孔介质的孔隙空间（而非孔隙与颗粒空间兼具），该特性降低了所需计算机内存。第二，PIPN对孔隙空间的边界进行平滑且真实的表示（而非逐像素表示）。第三，空间分辨率可随物理域变化（而非等间距分辨率），该特性使用户能以最小计算代价达到最优分辨率。我们通过研究含噪传感器数据、压力观测与空间相关长度的影响来评估该框架的性能。
引用
@article{arxiv.2208.13434,
title = {Prediction of fluid flow in porous media by sparse observations and physics-informed PointNet},
author = {Ali Kashefi and Tapan Mukerji},
journal= {arXiv preprint arXiv:2208.13434},
year = {2023}
}