-
公开(公告)号：CN116680988A
公开(公告)日：2023-09-01
申请号：CN202310737138.9
申请日：2023-06-21
申请人： 南京大学
IPC分类号： G06F30/27 , G06F18/214 , G06F119/02
摘要： 本发明公开了一种基于Transformer网络的多孔介质渗透率预测方法，属于孔隙尺度数值模拟技术领域。本发明利用孔隙尺度模拟方法模拟流场，计算三维多孔介质的渗透率；将多孔介质的三维结构图像视为由二维切片图像组成的空间序列，提取每一个二维切片图像的物理属性；在多孔介质三维结构图像中加入相应的物理参数矩阵，并以多孔介质渗透率作为图像对应的标签值构造样本集，确定训练集、验证集与测试集，而后利用卷积神经网络CNN和Transformer网络，构建并训练PhyCNN‑Transformer神经网络模型，从而实现对多孔介质渗透率的准确预测。本发明将三维图像回归问题转化为二维图像序列回归问题，加深了对多孔介质结构特性的理解，捕捉到多孔介质的本质特征，从而提高模型的预测性能与泛化能力。
-
公开(公告)号：CN116680570A
公开(公告)日：2023-09-01
申请号：CN202310736821.0
申请日：2023-06-21
申请人： 南京大学
IPC分类号： G06F18/214 , G06F18/27 , G06F17/16 , G06N3/0464 , G06N3/08
摘要： 本发明公开了基于Transformer网络的地下水溶质弥散系数及迁移速度预测方法，具体步骤为：首先需要生成三维多孔介质，采用格子玻尔兹曼法(Lattice Boltzmann Method，LBM)模拟多孔介质内流场，粒子追踪法模拟溶质运移过程并得到穿透曲线；通过污染物一维迁移方程解析解与SciPy优化算法反演地下水溶质纵向弥散系数DL与迁移速度u；构建分子扩散系数Dm与平均孔隙流速u′的参数矩阵并加入多孔介质灰度图像，由此与反演参数纵向弥散系数DL、迁移速度u组成输入‑输出样本对数据集；将数据集划分为训练集、验证集与测试集并依次应用于PhyCNN‑Transformer多输出回归模型，实现对反演参数的精确预测。
-
公开(公告)号：CN113947026A
公开(公告)日：2022-01-18
申请号：CN202111245467.9
申请日：2021-10-25
申请人： 南京大学
摘要： 本发明公开了一种基于LSTM的多孔介质渗透率的预测方法。该方法首先利用计算流体力学方法计算出多孔介质的渗透率并用作训练样本的标签值；将多孔介质进行切分并提取每一切片的几何图像特征，并组成一维特征序列；将特征序列拼接为二维矩阵，作为长短时记忆神经网络LSTM的输入，经过训练与调参后的网络能够预测出测试样本的渗透率。通过三维多孔介质样本进行神经网络的训练与测试，本方法能够很好地预测三维多孔介质的渗透率。该方法的最大优点在于对多孔介质三维孔隙结构数据的大幅压缩，压缩后的数据保存了空间上的序列性，然后利用深度学习LSTM的序列处理能力实现对三维多孔介质渗透率的精确预测。
-
-
搜索结果
3 条记录 (耗时 0.016 秒)
