Loading [MathJax]/jax/output/SVG/jax.js
中文
English
高级搜索
全国中文核心期刊
中国科技核心期刊
美国工程索引(EI)收录期刊
Scopus数据库收录期刊
首页
期刊介绍
编委会
现任编委会
历届编委会
期刊在线
最新录用
当期阅读
过刊浏览
浏览排行
下载排行
被引排行
出版伦理
征稿简则
期刊订阅
联系我们
所有
标题
作者
关键词
摘要
DOI
栏目
地址
基金
中图分类号
PACS
EEACC
首页
期刊介绍
编委会
现任编委会
历届编委会
期刊在线
最新录用
当期阅读
过刊浏览
浏览排行
下载排行
被引排行
出版伦理
征稿简则
期刊订阅
联系我们
English
PDF格式
18-202302-G21-1273审稿意见与作者答复
点击下载(596KB)
18-202302-G21-1273审稿意见与作者答复
2023, 45(2): 376-383.
基于PINNs算法的地下水渗流模型求解及参数反演 .
本文全文图片
PINNs算法求解渗流流速示意图
PINNs算法反演渗流参数示意图
不同位置
y
下,PINNs-H-II、PINNs-S-II、PINNs-H-I、PINNs-S-I和FEM所计算
V
x
的
L
2
相对误差图
PINNs-H-II求解均质渗流流速
V
x
的计算结果图
均质情况下反演渗流参数随迭代步数变化情况
PINNs算法求解非均质渗流流速
V
x
与解析解的绝对误差云图
y
=0时,PINNs-H-II和PINNs-S-II所计算的
x
与
H
的关系
非均质情况下渗流参数反演结果
本文全文表格
求解方法
τ
P
τ
B
τ
D
NN(
H
或
H
,
V
x
)
NN(
K
)
正向求解
2000
200
—
50×3
—
反向求解
400
200
400
100×6
60×6
注:NN表示神经网络隐藏层结构。
算例所用的计算超参数
×
Close
导出文件
文件类别
RIS(可直接使用Endnote编辑器进行编辑)
Bib(可直接使用Latex编辑器进行编辑)
Txt
引用内容
引文——仅导出文章的Citation信息
引文和摘要——导出文章的Citation信息和文章摘要信息
×
Close
引用参考文献格式