基于 LSTM 的深度循环神经网络的两相流流型预测
计算机视觉与模式识别
2020-10-07 v1 应用物理
数据分析、统计与概率
流体动力学
摘要
长短期记忆(LSTM)与循环神经网络(RNN)在时间序列预测上已取得巨大成功。本文受先前构建深度 RNN 研究的启发，提出了一种使用基于 LSTM 的深度 RNN 进行两相流流型预测的方法。该方法具有快速响应与高精度的特点。所构建的 RNN 网络使用阻抗空隙率计采集的时间序列空隙率数据进行训练与测试。结果表明，预测精度取决于网络的深度与层单元数。然而，更深更大的网络在预测中消耗更多时间。
引用
@article{arxiv.1904.00291,
title = {Two-phase flow regime prediction using LSTM based deep recurrent neural network},
author = {Zhuoran Dang and Mamoru Ishii},
journal= {arXiv preprint arXiv:1904.00291},
year = {2020}
}