理解 U-Net 与视觉Transformer在地下水数值建模中的有效性
流体动力学
2023-07-11 v1 计算工程、金融与科学
机器学习
摘要
本文对多种机器学习模型（即 U-Net、集成视觉Transformer（ViT）的 U-Net，以及傅里叶神经算子（FNO））在地下水系统时变前向建模中的表现进行了全面比较。通过在合成数据集上测试，表明 U-Net 与 U-Net + ViT 模型在精度与效率上优于 FNO，尤其在稀疏数据场景下。这些发现凸显了基于 U-Net 的模型在数据稀缺普遍存在的真实应用中的地下水建模潜力。
引用
@article{arxiv.2307.04010,
title = {Understanding the Efficacy of U-Net & Vision Transformer for Groundwater Numerical Modelling},
author = {Maria Luisa Taccari and Oded Ovadia and He Wang and Adar Kahana and Xiaohui Chen and Peter K. Jimack},
journal= {arXiv preprint arXiv:2307.04010},
year = {2023}
}