技术栈

参数反演

ysu_0314
10 天前
人工智能·pytorch·深度学习·mcmc·参数反演·逆问题·darcy流
PINNs的参数反演——从“正问题”到“逆问题”的工程改造代码仓库:GitHub - PINN-Inverse-Darcy如果你在做的是热传导方程,把本文的Darcy方程 − ∇ ⋅ ( k ∇ h ) = f -\nabla \cdot (k \nabla h) = f −∇⋅(k∇h)=f 换成 − ∇ ⋅ ( λ ∇ T ) = q -\nabla \cdot (\lambda \nabla T) = q −∇⋅(λ∇T)=q,未知参数从渗透率 k k k 换成热导率 λ \lambda λ 即可。如果你在做的是弹性力学问题,把未知参数换成杨氏模量 E (
机器学习之心
3 个月前
人工智能·深度学习·神经网络·硬约束物理信息神经网络·参数反演
硬约束物理信息神经网络如何反演含水层渗透系数场——从数学原理到代码实现地下水流模拟中,渗透系数场是一个绕不开的"黑箱"。打一口钻孔能拿到一个点上的K值,但整个含水层几百米尺度上的空间分布,靠稀疏钻孔插值是靠不住的。传统反演方法——无论是基于梯度的迭代优化还是贝叶斯推断——要么在计算雅可比矩阵时捉襟见肘,要么在高维参数空间中寸步难行。
我是有底线的