基于 CNN 高雷诺数下 Burgers 问题稳定求解的探讨

曹 文峰, 王 月超
扬州大学数学科学学院

摘要


深度学习中卷积神经网络算法（CNN）为求解微分方程数值解提供了新思路，本文将 CNN 与物理方程结合，利用其图
像处理和特征提取能力来捕捉流体运动复杂特征，并探讨了高雷诺数下 Burgers 方程的精确求解的可行性。

关键词


卷积神经网络 ；微分方程 ；物理信息

全文:

PDF


参考


[1]J.Sirignano,K.Spiliopoulos,DGM:a deep

learning algorithm for solving partial differential

equations,[J],Computer.Phys.375 (2018)1339–1364.

[2]K.Hornik,M.Stinchcombe,H.White, Multilayer

feedforward networks are universal approximators,[J],Neural

Network.2(5)(1989) 359–366.

[ 3 ] H a n G a o , L u n i n g S u n , J i a n - X u n W a n g

PhyGeoNet:Physics-informed geometry-adaptive

convolutional neural networks for solving parameterized

steady-state PDEs on irregular domain,[J],Comput Phys 428

(2021) 110079.


Refbacks

  • 当前没有refback。