在异质多孔介质中，利用混合形式的物理信息神经网络和迁移学习技术进行弹性地下水流动建模

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Resilient groundwater flow modeling in heterogeneous porous media using mixed-form physics-informed neural networks and transfer learning

　　

刘玄琦|李凯琦|尹振宇

• •
  提出了一种混合形式的PINNs框架，用于模拟具有各向同性和各向异性渗透场的地下水流动。
• •
  利用Karhunen–Loève展开方法对地下渗透率的不确定性进行建模。
• •
  混合形式的PINNs在自然梯度流动和抽水流动情况下都能提供准确的预测结果。
• •
  采用迁移学习策略以实现对新条件的快速适应。