期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,747篇文章
< 1 2 … 88 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多域物理信息神经网络的复合地层隧道掘进地表沉降预测
1
作者 潘秋景 吴洪涛 +1 位作者 张子龙 宋克志 《岩土力学》 EI CAS CSCD 北大核心 2024年第2期539-551,共13页
复合地层中盾构掘进诱发地表沉降的准确预测是隧道工程安全建设与施工决策的关键问题。基于隧道施工诱发地层变形机制构建隧道收敛变形与掘进位置的联系,并将其耦合至深度神经网络(deep neural network,简称DNN)框架,建立了预测盾构掘... 复合地层中盾构掘进诱发地表沉降的准确预测是隧道工程安全建设与施工决策的关键问题。基于隧道施工诱发地层变形机制构建隧道收敛变形与掘进位置的联系,并将其耦合至深度神经网络(deep neural network,简称DNN)框架,建立了预测盾构掘进诱发地层变形的物理信息神经网络(physics-informed neural network,简称PINN)模型。针对隧道上覆多个地层的地质特征,提出了多域物理信息神经网络(multi-physics-informed neural network,简称MPINN)模型,实现了在统一的框架内对不同地层的物理信息分区域表达。结果表明:MPINN模型高度还原了有限差分法的计算结果,可以准确预测复合地层中隧道开挖诱发的地表沉降;由于融入了物理机制,MPINN模型对隧道施工诱发地表沉降的问题具有普适性,可应用于不同地质和几何条件下隧道诱发地表沉降的预测;基于工程实测数据,提出的MPINN模型准确预测了监测断面的地表沉降曲线,可为复合地层下盾构掘进过程中地表沉降的预测预警提供参考。 展开更多
关键词 物理信息神经网络(PINN) 盾构隧道 地表沉降 机器学习 数据物理驱动
原文传递
基于多源信息融合的RBF神经网络室内可见光定位算法
2
作者 王琪 孟祥艳 赵黎 《光通信技术》 北大核心 2024年第2期30-35,共6页
针对基于接收信号强度(RSS)的定位技术易受环境干扰而导致定位精度不高和稳定性较差的问题,提出了一种基于多源信息融合的径向基函数(RBF)神经网络室内可见光定位算法。通过将图像的颜色矩特征与RSS矩特征融合,构建指纹库,并采用RBF神... 针对基于接收信号强度(RSS)的定位技术易受环境干扰而导致定位精度不高和稳定性较差的问题,提出了一种基于多源信息融合的径向基函数(RBF)神经网络室内可见光定位算法。通过将图像的颜色矩特征与RSS矩特征融合,构建指纹库,并采用RBF神经网络进行预测,实现了图像与RSS之间的优势互补,最后对定位算法进行了验证。实验结果表明,经过优化的多源信息融合定位算法较单一RSS定位算法的定位精度提高了9.4%。 展开更多
关键词 可见光 室内定位 多源信息融合 颜色矩 神经网络 径向基函数 特征提取
下载PDF
自适应模糊神经网络多信息融合串联型电弧故障检测方法
3
作者 王建元 吕至亨 《吉林电力》 2024年第1期40-44,共5页
针对低压交流串联电弧故障因其特殊性难以识别的问题,在实验室建立了实验平台,采集不同负载下的正常和电弧故障的电流波形数据,提出一种自适应模糊神经网络(adaptive neuro fuzzy inference system,ANFIS)多信息融合串联型电弧故障检测... 针对低压交流串联电弧故障因其特殊性难以识别的问题,在实验室建立了实验平台,采集不同负载下的正常和电弧故障的电流波形数据,提出一种自适应模糊神经网络(adaptive neuro fuzzy inference system,ANFIS)多信息融合串联型电弧故障检测方法,通过多层次特征参数提取,对自适应模糊神经网络进行训练、测试。结果表明,该方法可以有效地克服反向传播(back propagation,BP)神经网络故障诊断中收敛速度慢、误差精度大的缺点,得到更为精准、理想的诊断结果。 展开更多
关键词 自适应模糊神经网络 多信息融合 电弧故障检测
下载PDF
基于物理信息神经网络的盾构隧道诱发地表沉降预测 被引量：1
4
作者 张子龙 潘秋景 +1 位作者 仉文岗 黄阜 《工程力学》 EI CSCD 北大核心 2024年第4期161-173,共13页
地表沉降是城市复杂环境下盾构隧道施工重点关注的问题。传统机器学习方法在预测隧道施工诱发地表沉降时忽略了其内在的物理机理,存在对训练样本需求量较大的弊端。基于深度神经网络(deep neural networks, DNN)对Verruijt-Booker解的... 地表沉降是城市复杂环境下盾构隧道施工重点关注的问题。传统机器学习方法在预测隧道施工诱发地表沉降时忽略了其内在的物理机理,存在对训练样本需求量较大的弊端。基于深度神经网络(deep neural networks, DNN)对Verruijt-Booker解的围岩位移因子进行修正,构建地表沉降与隧道开挖面空间位置的关联。将修正后的Verruijt-Booker解的物理方程耦合至另一并行的DNN框架中,构建数据-物理双驱动的物理信息神经网络模型(physics-informed neural networks, PINN),从而约束神经网络在满足物理机制的空间中进行训练。算例分析的结果表明:在同等配置的条件下,提出的PINN模型的预测效果显著优于单一数据驱动的传统DNN模型,其外推泛化性能得到显著提升。工程应用的结果表明:PINN模型可以利用施工前期的实测数据,准确预测后续施工过程中开挖面在不同位置时监测断面的地表沉降值。提出的方法有助于提高盾构隧道施工过程中地表沉降控制的智慧化程度,可为工程的潜在风险及施工决策提供预警和指导。 展开更多
关键词 盾构隧道 地表沉降 物理信息神经网络 物理机理 数据物理双驱动
下载PDF
课程-迁移学习物理信息神经网络用于长时间非线性波传播模拟
5
作者 郭远 傅卓佳 +2 位作者 闵建 刘肖廷 赵海涛 《力学学报》 EI CAS CSCD 北大核心 2024年第3期763-773,共11页
由于传统物理信息神经网络(PINN)在长时间模拟时存在计算稳定性差甚至无法获得有效解的难题,文章提出了一种基于课程学习和迁移学习的物理信息神经网络(CTL-PINN),用于长时间非线性波传播模拟.该改进的PINN的主要思想是将原长时间历程... 由于传统物理信息神经网络(PINN)在长时间模拟时存在计算稳定性差甚至无法获得有效解的难题,文章提出了一种基于课程学习和迁移学习的物理信息神经网络(CTL-PINN),用于长时间非线性波传播模拟.该改进的PINN的主要思想是将原长时间历程问题转化成若干个短时间子问题,其求解过程分为3个阶段;在初始阶段,使用传统PINN来获得初始短期子问题的解;在课程学习阶段,使用包含前一步训练信息的传统PINN以时域扩大的方式逐次求解,在迁移学习阶段,使用包含前一步训练信息的传统PINN以时域迁移的方式逐次求解.这种改进的PINN可以避免传统PINN陷入局部最优解的问题.最后通过几个基准算例验证了本文所提出的CTL-PINN方法在模拟长时间非线性波传播过程的有效性和鲁棒性. 展开更多
关键词 课程学习 迁移学习 物理信息神经网络 波传播分析 长时间模拟 非线性
下载PDF
基于物理信息神经网络的光波衍射问题求解
6
作者 陈旭早 袁利军 《吉林大学学报（理学版）》 CAS 北大核心 2024年第2期423-430,共8页
用物理信息神经网络方法数值求解间断系数光波衍射问题.结果表明:用光滑函数近似间断系数可大幅度提高物理信息神经网络求解精度;用物理信息神经网络求解散射场比直接求解总场效果更好.最后通过数值实验验证理论结果的正确性.
关键词 物理信息神经网络 光波衍射 间断系数 光滑函数
下载PDF
物理信息神经网络求解五阶emKdV方程的正反问题
7
作者 吴泽康 王晓丽 +1 位作者 韩文静 李金红 《数学物理学报（A辑）》 CSCD 北大核心 2024年第2期484-499,共16页
该文利用物理信息神经网络(PINNs)对扩展的五阶mKdV(emKdV)方程的正反问题进行求解,并对孤子的动力学行为进行分析、模拟.针对正问题,选用双曲正切函数tanh作为激活函数求解方程的一、二、三孤子解,并将PINNs方法求得的数据驱动解与借... 该文利用物理信息神经网络(PINNs)对扩展的五阶mKdV(emKdV)方程的正反问题进行求解,并对孤子的动力学行为进行分析、模拟.针对正问题,选用双曲正切函数tanh作为激活函数求解方程的一、二、三孤子解,并将PINNs方法求得的数据驱动解与借助简化的Hirota方法给出的方程精确解进行比较,一孤子解的精度为O(10^(-4)),二、三孤子解的精度为O(10^(-3)).针对反问题,分别由一、二、三孤子解的数据进行驱动求解方程的两个待定系数,并在不同的噪声下探究算法的鲁棒性.当在训练数据中加入1%的初始噪声或观测噪声时,待求系数的预测精度可分别达到O(10^(-3))和O(10^(-2));当加入3%的初始噪声或观测噪声时,预测精度依然可以达到O(10^(-2));由实验数据分析可知观测噪声对PINNs模型的影响要略大于初始噪声. 展开更多
关键词 物理信息神经网络 五阶emKdV方程 数据驱动解 非线性动力学
下载PDF
基于物理信息神经网络的气动数据融合方法 被引量：1
8
作者 刘霞 冯文晖 +4 位作者 连峰 张帅宇 张光华 孔轶男 韩崇昭 《空气动力学学报》 CSCD 北大核心 2023年第8期87-96,I0002,共11页
为了解决训练传统深度神经网络对大数据的依赖问题,气动数据中包含的物理结构信息需要被充分利用。物理信息神经网络(physics-informed neural network,PINN)是一种非监督的学习算法,采用深度神经网络直接逼近流场偏微分方程的解,因此... 为了解决训练传统深度神经网络对大数据的依赖问题,气动数据中包含的物理结构信息需要被充分利用。物理信息神经网络(physics-informed neural network,PINN)是一种非监督的学习算法,采用深度神经网络直接逼近流场偏微分方程的解,因此适用于气动数据的建模。然而训练PINN时,损失函数反映的是抽样点处神经网络所拟合的偏微分方程值的偏差,对于复杂的非线性偏微分方程,这一偏差不能准确反映神经网络所拟合的函数与微分方程解函数的偏差,而且用神经网络拟合初始条件和边界条件时,不可避免存在拟合误差,误差随空间和时间累计,这使PINN的建模精度相比传统的模型没有优势。为了解决这些问题,本文把PINN与流场的计算流体动力学(Computational Fluid Dynamics,CFD)仿真结果进行融合,在流场抽样点处的损失函数中增加了PINN在该点的输出与流场在该点的CFD值偏差,从而提高了神经网络的建模精度。根据CFD仿真时使用的模型,融合方式采用瞬时模式或时均模式。测试结果表明该方法能够有效提高PINN的建模精度。 展开更多
关键词 气动数据 数据融合 物理信息神经网络 深度学习 计算流体动力学
下载PDF
短期尖峰负荷多信息融合的神经网络预测方法
9
作者 许顺凯 朱吉然 +3 位作者 唐海国 邓威 黄肇 邹长春 《湖南电力》 2024年第1期38-44,共7页
为了降低负荷数据的复杂度、提高预测精度,提出一种短期尖峰负荷多信息融合的神经网络模型。选取皮尔逊相关系数分析假日、温度、湿度等信息之间的密切程度,将关键气象信息融合进模型中,优化负荷的输入参数,重构神经网络模型的新数据集... 为了降低负荷数据的复杂度、提高预测精度,提出一种短期尖峰负荷多信息融合的神经网络模型。选取皮尔逊相关系数分析假日、温度、湿度等信息之间的密切程度,将关键气象信息融合进模型中,优化负荷的输入参数,重构神经网络模型的新数据集,并防止神经网络的过拟合,提高短期尖峰负荷预测精度。算例仿真分析表明,所提方法与未考虑多信息融合的单一增强型决策树模型和神经网络模型相比,更能有效地提高短期尖峰负荷预测准确率。 展开更多
关键词 尖峰负荷 多信息融合 神经网络模型 皮尔逊相关系数
下载PDF
基于频域控制约束的物理神经网络非线性系统预测方法
10
作者 钱夔 宋爱国 田磊 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第2期227-234,共8页
针对现有物理信息神经网络利用数值模拟近似物理控制方程带来的高计算代价、边界条件限制等问题,提出一种基于频域控制约束的物理神经网络非线性系统预测方法。首先构建时序特征交替更新的非线性预测网络模型,再在频域建立基于傅里叶谱... 针对现有物理信息神经网络利用数值模拟近似物理控制方程带来的高计算代价、边界条件限制等问题,提出一种基于频域控制约束的物理神经网络非线性系统预测方法。首先构建时序特征交替更新的非线性预测网络模型,再在频域建立基于傅里叶谱方法(FSM)的物理控制方程约束,时空数据在网络模型与频域控制约束耦合下实现无标签数据加速训练,完成系统演化学习。最后在Burgers系统上进行湍流预测验证,实验结果表明该方法可在物理规则约束下实现无标签非线性复杂建模,对比主流PINN模型及其变体,具有更快的学习速度与预测准确率。在t≤0.25 s、t≤0.5 s短时预测情况下,经前期20次训练后系统预测均方误差(MSE)相比主流基准模型同期预测,MSE降低了86%与95%,在t≤2 s长时预测情况下,经充分训练后系统预测MSE能降低80%。 展开更多
关键词 物理信息神经网络 傅里叶谱方法 频域控制方程约束 Burgers系统 非线性系统预测
下载PDF
基于卷积神经网络的电力信息物理融合系统入侵检测方法研究 被引量：2
11
作者 周柏润 孙伟 +1 位作者 魏敏捷 徐剑 《上海电力大学学报》 CAS 2023年第2期117-122,共6页
现有的面向电力信息物理融合系统(CPPS)的入侵检测方法存在不够重视数据质量等问题,尤其是在处理离散化数据方面存在欠缺。为解决上述问题,提出了一种基于实体嵌入和卷积神经网络的CPPS入侵检测方法。该方法通过实体嵌入技术将数据集中... 现有的面向电力信息物理融合系统(CPPS)的入侵检测方法存在不够重视数据质量等问题,尤其是在处理离散化数据方面存在欠缺。为解决上述问题,提出了一种基于实体嵌入和卷积神经网络的CPPS入侵检测方法。该方法通过实体嵌入技术将数据集中的离散型特征映射为连续向量,从而生成高质量的新数据。将其与经过标准化的连续型特征合并起来作为新数据集训练卷积神经网络,以建立CPPS入侵检测模型。在KDD Cup 99数据集上的实验评估结果表明,所提方案的攻击检测准确率分别比独热编码和传统顺序编码提高了6.20%和6.04%,同时还减小了误报率和漏报率。 展开更多
关键词 电力信息物理融合系统 入侵检测 卷积神经网络 实体嵌入
下载PDF
基于物理信息神经网络的Burgers-Fisher方程求解方法
12
作者 徐健 朱海龙 +1 位作者 朱江乐 李春忠 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第11期2160-2169,共10页
为了探索基于物理信息的神经网络(PINN)求解微分方程时,物理信息在训练神经网络中的作用,提出将物理信息分为规律信息和数值信息2类,以阐释PINN求解微分方程的逻辑,以及物理信息的数据驱动方式和神经网络可解释性.设计基于2类信息的神... 为了探索基于物理信息的神经网络(PINN)求解微分方程时,物理信息在训练神经网络中的作用,提出将物理信息分为规律信息和数值信息2类,以阐释PINN求解微分方程的逻辑,以及物理信息的数据驱动方式和神经网络可解释性.设计基于2类信息的神经网络综合损失函数,并从训练采样和训练强度2方面建立信息的训练平衡度,从而利用PINN求解Burgers-Fisher方程.实验表明,PINN能够获得较好的方程求解精度和稳定性;在求解方程的神经网络训练中,Burgers-Fisher方程的数值信息比规律信息能更好地促进神经网络逼近方程解;随着训练采样和迭代次数的增加,以及2类信息的平衡,神经网络训练效果得到提高;增加神经网络规模可以提高方程求解精度,但也增加了网络训练迭代时间,在固定训练时间下并非神经网络规模越大效果越好. 展开更多
关键词 BURGERS-FISHER方程 基于物理信息的神经网络 规律信息 数值信息 数据驱动 可解释性 训练平衡度
下载PDF
双曲型方程激波捕捉的物理信息神经网络(PINN)算法
13
作者 郑素佩 靳放 +1 位作者 封建湖 林云云 《浙江大学学报（理学版）》 CAS CSCD 北大核心 2023年第1期56-62,82,共8页
双曲型方程的数值求解算法研究一直是偏微分方程研究的热点,其中,双曲型方程的间断捕捉是难点。受物理信息神经网络(physics-informed neural networks,PINN)启发,构造了改进的PINN算法,近似求解双曲型方程的间断问题。将坐标构造的数... 双曲型方程的数值求解算法研究一直是偏微分方程研究的热点,其中,双曲型方程的间断捕捉是难点。受物理信息神经网络(physics-informed neural networks,PINN)启发,构造了改进的PINN算法,近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入,将PINN算法中的损失函数作为训练输出值与参考解(基于细网格的熵相容格式数据)或准确解的误差值,通过网络优化,最小化损失函数,得到最优网络参数。最后用数值算例验证了算法的可行性,数值结果表明,本文算法能捕捉激波,分辨率高,且未产生伪振荡。 展开更多
关键词 双曲守恒律方程 网络预测 物理信息神经网络(PINN) 激波捕捉
下载PDF
FD-PINN:频域物理信息神经网络 被引量：1
14
作者 宋家豪 曹文博 张伟伟 《力学学报》 EI CAS CSCD 北大核心 2023年第5期1195-1205,共11页
物理信息神经网络(physics-informed neural network, PINN)是将模型方程编码到神经网络中,使网络在逼近定解条件或观测数据的同时最小化方程残差,实现偏微分方程求解.该方法虽然具有无需网格划分、易于融合观测数据等优势,但目前仍存... 物理信息神经网络(physics-informed neural network, PINN)是将模型方程编码到神经网络中,使网络在逼近定解条件或观测数据的同时最小化方程残差,实现偏微分方程求解.该方法虽然具有无需网格划分、易于融合观测数据等优势,但目前仍存在训练成本高、求解精度低等局限性.文章提出频域物理信息神经网络(frequency domain physics-informed neural network, FD-PINN),通过从周期性空间维度对偏微分方程进行离散傅里叶变换,偏微分方程被退化为用于约束FD-PINN的频域中维度更低的微分方程组,该方程组内各方程不仅具有更少的自变量,并且求解难度更低.因此,与使用原始偏微分方程作为约束的经典PINN相比, FD-PINN实现了输入样本数目和优化难度的降低,能够在降低训练成本的同时提升求解精度.热传导方程、速度势方程和Burgers方程的求解结果表明, FD-PINN普遍将求解误差降低1~2个数量级,同时也将训练效率提升6~20倍. 展开更多
关键词 物理信息神经网络 离散傅里叶变换 偏微分方程 机器学习
下载PDF
基于梯度优化物理信息神经网络求解复杂非线性问题 被引量：1
15
作者 田十方 李彪 《物理学报》 SCIE EI CAS CSCD 北大核心 2023年第10期9-19,共11页
近年来,物理信息神经网络(PINNs)因其仅通过少量数据就能快速获得高精度的数据驱动解而受到越来越多的关注.然而,尽管该模型在部分非线性问题中有着很好的结果,但它还是有一些不足的地方,如它的不平衡的反向传播梯度计算导致模型训练期... 近年来,物理信息神经网络(PINNs)因其仅通过少量数据就能快速获得高精度的数据驱动解而受到越来越多的关注.然而,尽管该模型在部分非线性问题中有着很好的结果,但它还是有一些不足的地方,如它的不平衡的反向传播梯度计算导致模型训练期间梯度值剧烈振荡,这容易导致预测精度不稳定.基于此,本文通过梯度统计平衡了模型训练期间损失函数中不同项之间的相互作用,提出了一种梯度优化物理信息神经网络(GOPINNs),该网络结构对梯度波动更具鲁棒性.然后以Camassa-Holm(CH)方程、导数非线性薛定谔方程为例,利用GOPINNs模拟了CH方程的peakon解和导数非线性薛定谔方程的有理波解、怪波解.数值结果表明,GOPINNs可以有效地平滑计算过程中损失函数的梯度,并获得了比原始PINNs精度更高的解.总之,本文的工作为优化神经网络的学习性能提供了新的见解,并在求解复杂的CH方程和导数非线性薛定谔方程时用时更少,节约了超过三分之一的时间,并且将预测精度提高了将近10倍. 展开更多
关键词 物理信息神经网络 梯度优化 CAMASSA-HOLM 方程 导数非线性薛定谔方程 peakon解 怪波解
下载PDF
基于物理信息神经网络的功能梯度材料稳态/瞬态热传导分析
16
作者 余波 许梦强 高强 《计算力学学报》 CAS CSCD 北大核心 2023年第4期594-601,共8页
采用物理信息神经网络PINN(Physics-informed Neural Networks)求解稳态和瞬态功能梯度材料(FGMs)热传导问题。该方法利用控制方程、边界及初始条件的残差构造损失函数,在无任何响应数据的情况下得到了更具泛化能力的神经网络模型,同时... 采用物理信息神经网络PINN(Physics-informed Neural Networks)求解稳态和瞬态功能梯度材料(FGMs)热传导问题。该方法利用控制方程、边界及初始条件的残差构造损失函数,在无任何响应数据的情况下得到了更具泛化能力的神经网络模型,同时避免了传统数值方法在求解计算力学问题时所需的微分、积分公式推导以及繁重的建模和划分网格等前处理工作。本文探究了PINN及其域分解的扩展物理信息神经网络XPINN(eXtended Physics-informed Neural Networks)在求解稳态和瞬态FGMs热传导问题时的适用性,讨论了网络结构对预测结果的影响。研究结果表明,PINN/XPINN在解决几何复杂的稳态和瞬态FGMs热传导问题时仍具有较高的可靠性和简洁的求解流程,同时,为极端环境下求解复杂多场耦合和夹杂等问题提供了新思路。 展开更多
关键词 物理信息神经网络 扩展物理信息神经网络 功能梯度材料 热传导分析
下载PDF
基于物理信息神经网络的热网动态状态估计方法
17
作者 张佳琛 郭庆来 +4 位作者 王志伟 孙勇 李宝聚 尹冠雄 孙宏斌 《电力自动化设备》 EI CSCD 北大核心 2023年第10期69-78,共10页
在城市综合能源系统中,热网状态估计针对慢动态系统,存在计算精度低、参数不准确、量测不完备的特点。基于物理信息神经网络(PINNs),将含偏微分方程约束的热网动态状态估计问题转化为自动满足偏微分方程约束的神经网络训练问题,并基于... 在城市综合能源系统中,热网状态估计针对慢动态系统,存在计算精度低、参数不准确、量测不完备的特点。基于物理信息神经网络(PINNs),将含偏微分方程约束的热网动态状态估计问题转化为自动满足偏微分方程约束的神经网络训练问题,并基于损失函数对参数的梯度下降完成热网参数的在线辨识;再将其应用于滚动时间窗中进行在线训练,实现了状态量的动态追踪;进一步基于PINNs对未来时间窗的预测能力提出了一种新的坏数据辨识方法;最后在5节点和27节点热网算例中验证了所提方法的有效性。 展开更多
关键词 状态估计 热动态 物理信息神经网络 模型-数据驱动
下载PDF
基于物理信息驱动神经网络的三维初至波旅行时计算方法
18
作者 都国宁 谭军 +2 位作者 宋鹏 解闯 王绍文 《石油地球物理勘探》 EI CSCD 北大核心 2023年第1期9-20,共12页
在地震勘探中,初至波旅行时的精确求取是偏移成像和旅行时反演等处理技术的重要基础。基于程函方程的有限差分算法在地震波旅行时求取中展现出良好的效果,但需要付出巨大的计算成本,尤其是对多震源、高密度网格的旅行时计算。为此,提出... 在地震勘探中,初至波旅行时的精确求取是偏移成像和旅行时反演等处理技术的重要基础。基于程函方程的有限差分算法在地震波旅行时求取中展现出良好的效果,但需要付出巨大的计算成本,尤其是对多震源、高密度网格的旅行时计算。为此,提出了一种基于物理信息驱动神经网络(PINN)的三维程函方程旅行时求取算法,由三维程函方程及其物理条件信息构成损失函数,再通过最小化该损失函数训练神经网络,最终输出满足程函方程的旅行时结果。不同速度模型的数值模拟实验结果表明,所提方法相对于传统算法具有更高的计算效率和更高的精确度。 展开更多
关键词 旅行时 程函方程 物理信息驱动神经网络(PINN) 深度学习 有限差分
下载PDF
基于物理信息神经网络的随钻电磁波电阻率测井响应模拟
19
作者 刘阳 王健 徐德龙 《测井技术》 CAS 2023年第6期653-661,共9页
为实现复杂介质中随钻电磁波电阻率测井响应的快速模拟,加速随钻电磁波电阻率测井数据反演,基于物理信息神经网络(Physics-Informed Neural Network,PINN)模拟了随钻电磁波电阻率测井响应。PINN将控制方程纳入损失函数,将偏微分方程求... 为实现复杂介质中随钻电磁波电阻率测井响应的快速模拟,加速随钻电磁波电阻率测井数据反演,基于物理信息神经网络(Physics-Informed Neural Network,PINN)模拟了随钻电磁波电阻率测井响应。PINN将控制方程纳入损失函数,将偏微分方程求解问题转化为最优化问题,实现偏微分方程的求解。在数值算例中通过PINN方法得到了电场散射场,研究了采样方式、激活函数、网络结构对PINN结果精度的影响。在高电阻率地层和侵入地层模型中,使用PINN方法计算了随钻电磁波电阻率测井响应。数值算例结果表明,基于PINN模拟的随钻电磁波测井响应与有限元方法结果一致,利用该方法可以实现随钻电磁波电阻率测井响应的精确求解。 展开更多
关键词 物理信息神经网络 随钻电磁波电阻率测井 测井响应 电磁场模拟
下载PDF
物理信息神经网络驱动的光纤非线性建模
20
作者 罗霄 张民 +3 位作者 蒋啸天 宋裕琛 张希萌 王丹石 《红外与激光工程》 EI CSCD 北大核心 2023年第12期244-254,共11页
近年来,在计算物理领域提出了一种具有变革意义的利用神经网络直接求解微分方程的方案——物理信息神经网络(physics-informed neural network,PINN),引起了广泛关注,并且已经在多个领域的微分方程相关的问题中都得到了成功的验证。着... 近年来,在计算物理领域提出了一种具有变革意义的利用神经网络直接求解微分方程的方案——物理信息神经网络(physics-informed neural network,PINN),引起了广泛关注,并且已经在多个领域的微分方程相关的问题中都得到了成功的验证。着眼于光纤非线性的建模,针对光纤中:光信号传输时受损耗、色散以及非线性等多种物理效应影响而发生演化;受激拉曼散射引起的功率转移;光模场在多种几何结构光纤中的分布与传输这三个场景展开研究。在数学上,这三个场景的控制方程分别为:非线性薛定谔方程、受激拉曼散射常微分方程以及傍轴亥姆霍兹方程,文中先后呈现了利用PINN求解这三个方程的具体实施方案及结果,并与数值方法进行对比分析,二者结果显示出较高的一致性,且PINN具备更低的计算复杂度。PINN作为一种精准、高效的微分方程求解框架,在未来有潜力推进光纤非线性建模的发展。 展开更多
关键词 光纤非线性 科学计算 物理信息神经网络 非线性薛定谔方程 受激拉曼散射 傍轴亥姆霍兹方程
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 88 下一页 到第 页
使用帮助 返回顶部