裂缝性介质多尺度深度学习模型

发布时间：2021-03-26 19:11

　　结合人工神经网络建立裂缝介质多尺度深度学习流动模型.基于一套粗网格和一套细网格,通过在粗网格上训练数据,多尺度神经网络能够以较少的自由度训练出准确的神经网络.并在粗网格上通过求解局部流动问题获得多尺度基函数,结合神经网络进一步得到精细网格的解.基于离散裂缝的流动方程可视为多层网络,网络层数依赖于求解时间步数.阐述裂缝介质多尺度机器学习数值计算格式的建立,介绍如何使用多尺度算法构建离散裂缝模型的多尺度基函数,并采用超样本技术进一步提高计算准确性.数值结果表明,多尺度有限元算法与机器学习结合是一种有效的流体流动模拟算法. 

【文章来源】：计算物理. 2019,36(06)北大核心CSCD

【文章页数】：8 页

【文章目录】：
0 引言
1 渗流数学模型
2 多尺度计算格式
3 基于多尺度有限元法的深度学习模型
4 数值算例
    4.1 算例1
    4.2 算例2
5 结论


【参考文献】：
期刊论文
[1]多尺度嵌入式离散裂缝模型模拟方法[J]. 张庆福,黄朝琴,姚军,王月英,李阳.  计算力学学报. 2018(04)
[2]分形低渗透缝洞型油藏非线性渗流规律[J]. 刘化普,刘慧卿,王敬.  计算物理. 2018(01)
[3]基于多尺度混合有限元的离散裂缝两相渗流数值模拟[J]. 张庆福,黄朝琴,姚军,王月英,李阳.  科学通报. 2017(13)
[4]多孔介质两相流的局部守恒有限元分析[J]. 张娜,姚军,黄朝琴,王月英.  计算物理. 2013(05)
[5]裂隙岩体流动模型综述[J]. 王月英,姚军,黄朝琴.  大庆石油学院学报. 2011(05)
[6]Numerical study on two-phase flow through fractured porous media[J]. HUANG ZhaoQin,YAO Jun,WANG YueYing&TAO Ke School of Petroleum Engineering,China University of Petroleum(Huadong),Qingdao 266555,China.  Science China（Technological Sciences）. 2011(09)



本文编号：3102101