检索结果-维普期刊中文期刊服务平台

基于物理信息驱动傅里叶神经算子的Vlasov方程求解方法: 1; 作者付伟王川 +1 位作者张天爵周洪吉《强激光与粒子束》北大核心 2025年第12期102-108,共7页; Vlasov方程是研究等离子体物理的重要方程,在高温、完全电离且忽略库伦碰撞的情况下,其数值求解方法主要有欧拉类方法和拉格朗日类方法。考虑传统数值求解方法在高精度网格条件下计算资源快速增长、维度灾难等问题,采用了基于物理信息... 展开更多; 关键词神经算子 Vlasov方程深度学习物理信息驱动等离子体; 在线阅读下载PDF 职称材料

基于物理信息驱动神经网络的三维初至波旅行时计算方法被引量：3: 2; 作者都国宁谭军 +2 位作者宋鹏解闯王绍文《石油地球物理勘探》 EI CSCD 北大核心 2023年第1期9-20,共12页; 在地震勘探中,初至波旅行时的精确求取是偏移成像和旅行时反演等处理技术的重要基础。基于程函方程的有限差分算法在地震波旅行时求取中展现出良好的效果,但需要付出巨大的计算成本,尤其是对多震源、高密度网格的旅行时计算。为此,提出... 展开更多; 关键词旅行时程函方程物理信息驱动神经网络(PINN) 深度学习有限差分; 在线阅读下载PDF 职称材料

物理信息双驱动的长距离盾构隧道结构纵向力学性态智能诊断方法被引量：8: 3; 作者张东明周烨璐 +1 位作者黄宏伟张晋彰《岩土力学》 EI CAS CSCD 北大核心 2023年第10期2997-3010,共14页; 针对目前盾构隧道纵向结构安全诊断面临的瓶颈,提出了一种物理信息双驱动的隧道纵向结构力学性态智能诊断方法。通过将表征隧道纵向结构力学性态的物理方程嵌入物理神经元中,利用实测数据作为信息神经元综合构建了物理信息双驱动的神经... 展开更多; 关键词物理信息双驱动盾构隧道纵向力学性态反演; 在线阅读下载PDF 职称材料

基于PINN旅行时计算的TTI介质克希霍夫积分偏移: 4; 作者董江河史文英 +4 位作者宋鹏陈长王文军谭军毛士博《石油物探》北大核心 2025年第6期1082-1093,共12页; 随着油气勘探目标的构造复杂化,常规各向同性克希霍夫积分偏移成像算法已难以满足复杂构造区域的高精度成像要求,倾斜横向各向同性(tilted transversely isotropic, TTI)介质克希霍夫积分偏移在实际生产中得到广泛应用。针对常规TTI介... 展开更多; 关键词克希霍夫积分偏移 TTI介质旅行时物理信息驱动神经网络; 在线阅读下载PDF 职称材料

基于稀疏数据的流场结构重构方法研究被引量：3: 5; 作者陈旷奇欧阳晗青 +2 位作者朱志成郝佳黄彪《北京理工大学学报》 EI CAS CSCD 北大核心 2023年第9期950-961,共12页; 无论是基于数值模拟还是物理实验,高精度流场数据的获取数量都极为有限,并且往往伴随着高昂的成本.现有方法无法通过有限数据重构出更加精细的流场结构,这极大地制约了相关气/水动相关工程问题的设计精度与设计效率.物理信息驱动型神经... 展开更多; 关键词流场预测深度学习物理信息驱动型神经网络(PINN) 非定常流动; 在线阅读下载PDF 职称材料

题名基于物理信息驱动傅里叶神经算子的Vlasov方程求解方法: 1; 作者付伟王川张天爵周洪吉; 机构中国原子能科学研究院核技术综合研究所; 出处《强激光与粒子束》北大核心 2025年第12期102-108,共7页; 基金中国原子能科学研究院英才基金项目(YC232505000404)。; 文摘 Vlasov方程是研究等离子体物理的重要方程,在高温、完全电离且忽略库伦碰撞的情况下,其数值求解方法主要有欧拉类方法和拉格朗日类方法。考虑传统数值求解方法在高精度网格条件下计算资源快速增长、维度灾难等问题,采用了基于物理信息驱动的傅里叶神经算子(PFNO)对Vlasov方程进行求解。该方法将傅里叶神经算子高维函数映射能力与Vlasov方程物理约束结合,构建了数据-物理信息驱动的深度学习框架,可提升模型在稀疏数据条件下的泛化性能,同时具有网格无关性特征。数值实验表明,该方法在保证求解精度的同时,相比传统有限元法和谱方法计算效率提升1~2个数量级,且能并行处理大批量数据。该研究为高维Vlasov动力学方程的求解提供了新思路,在惯性约束聚变、空间等离子体模拟等领域具有一定应用潜力。; 关键词神经算子 Vlasov方程深度学习物理信息驱动等离子体; Keywords neural operator Vlasov equation deep learning physics-informed plasma; 分类号 O534.2 [理学—等离子体物理]; 在线阅读下载PDF 职称材料

题名基于物理信息驱动神经网络的三维初至波旅行时计算方法被引量：3: 2; 作者都国宁谭军宋鹏解闯王绍文; 机构中国海洋大学海洋地球科学学院青岛国家海洋科学与技术实验室中国海洋大学海底科学与探测技术教育部重点实验室; 出处《石油地球物理勘探》 EI CSCD 北大核心 2023年第1期9-20,共12页; 基金国家自然科学基金项目“基于深度学习的海上地震勘探数据域与图像域联合全波形反演”(42074138) 青岛海洋科学与技术试点国家实验室山东省专项经费“问海计划”项目(2021WHZZB0700) +1 种基金山东省重大科技创新项目“超高分辨率浅层三维地震数据处理技术研发”(2019JZZY010803)联合资助。; 文摘在地震勘探中,初至波旅行时的精确求取是偏移成像和旅行时反演等处理技术的重要基础。基于程函方程的有限差分算法在地震波旅行时求取中展现出良好的效果,但需要付出巨大的计算成本,尤其是对多震源、高密度网格的旅行时计算。为此,提出了一种基于物理信息驱动神经网络(PINN)的三维程函方程旅行时求取算法,由三维程函方程及其物理条件信息构成损失函数,再通过最小化该损失函数训练神经网络,最终输出满足程函方程的旅行时结果。不同速度模型的数值模拟实验结果表明,所提方法相对于传统算法具有更高的计算效率和更高的精确度。; 关键词旅行时程函方程物理信息驱动神经网络(PINN) 深度学习有限差分; Keywords traveltime eikonal equation physics-informed neural network(PINN) deep learning finite difference; 分类号 P631 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名物理信息双驱动的长距离盾构隧道结构纵向力学性态智能诊断方法被引量：8: 3; 作者张东明周烨璐黄宏伟张晋彰; 机构同济大学地下建筑与工程系同济大学岩土及地下工程教育部重点实验室; 出处《岩土力学》 EI CAS CSCD 北大核心 2023年第10期2997-3010,共14页; 基金国家重点研发计划项目(No.2021YFF0502200,No.2021YFB2600804)。; 文摘针对目前盾构隧道纵向结构安全诊断面临的瓶颈,提出了一种物理信息双驱动的隧道纵向结构力学性态智能诊断方法。通过将表征隧道纵向结构力学性态的物理方程嵌入物理神经元中,利用实测数据作为信息神经元综合构建了物理信息双驱动的神经网络(physics-informed neural networks,PINNs)模型,可实时更新反演盾构隧道结构参数、周围地层参数以及荷载分布规律,继而正演求解隧道的纵向结构力学性态。将反演得到的参数进一步用于其他隧道段的分析,以实现长距离盾构隧道结构纵向智能诊断。算例与工程实例应用表明,提出的PINNs模型能有效求解隧道结构纵向问题,且相较传统的纯数据驱动的深度神经网络(deep neural network,DNN)模型,PINNs模型表现出了显著的泛化能力与鲁棒性,具有十分可观的工程应用前景。; 关键词物理信息双驱动盾构隧道纵向力学性态反演; Keywords physics and information dual-driven shield tunnel longitudinal mechanical behavior back analysis; 分类号 U456 [建筑科学—桥梁与隧道工程]; 在线阅读下载PDF 职称材料

题名基于PINN旅行时计算的TTI介质克希霍夫积分偏移: 4; 作者董江河史文英宋鹏陈长王文军谭军毛士博; 机构中国海洋大学海洋地球科学学院中海油服物探研究院特普数据中心中国石油化工股份有限公司上海海洋油气分公司; 出处《石油物探》北大核心 2025年第6期1082-1093,共12页; 文摘随着油气勘探目标的构造复杂化,常规各向同性克希霍夫积分偏移成像算法已难以满足复杂构造区域的高精度成像要求,倾斜横向各向同性(tilted transversely isotropic, TTI)介质克希霍夫积分偏移在实际生产中得到广泛应用。针对常规TTI介质克希霍夫积分偏移存在的旅行时计算精度和效率低下等问题进行了研究,将基于物理信息驱动的神经网络(physics-informed neural network, PINN)的TTI介质旅行时计算方法引入克希霍夫积分偏移成像的旅行时求取中,实现了TTI介质的高精度克希霍夫积分偏移成像。模型实验和实际数据处理结果均显示,相比于传统有限差分算法,基于PINN的TTI介质旅行时求取算法能够显著提高旅行时计算精度和计算效率,在此基础上,可实现高精度TTI介质克希霍夫积分偏移成像。; 关键词克希霍夫积分偏移 TTI介质旅行时物理信息驱动神经网络; Keywords Kirchhoff integral migration TTI media Travel-time Physics-Informed Neural Network; 分类号 TE [石油与天然气工程] P631 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于稀疏数据的流场结构重构方法研究被引量：3: 5; 作者陈旷奇欧阳晗青朱志成郝佳黄彪; 机构北京理工大学机械与车辆学院; 出处《北京理工大学学报》 EI CAS CSCD 北大核心 2023年第9期950-961,共12页; 文摘无论是基于数值模拟还是物理实验,高精度流场数据的获取数量都极为有限,并且往往伴随着高昂的成本.现有方法无法通过有限数据重构出更加精细的流场结构,这极大地制约了相关气/水动相关工程问题的设计精度与设计效率.物理信息驱动型神经网络框架的提出,使得传统数据驱动型神经网络无法处理稀疏的问题在一定程度上得到解决.文中以物理信息驱动型神经网络框架为基础,发展了基于稀疏数据的流场结构重构方法,通过耦合流场物理信息,利用少量数据训练神经网络并输出全流场数据.通过分析重构流场的水动力特性与涡脱落特性,揭示了物理信息驱动型神经网络的预测误差机理,讨论了该方法对不同流场结构的预测能力.结果表明,物理信息驱动型神经网络通过耦合NS方程,仅利用极其有限的流场数据即可实现对全流场的高精度重构,对流场涡结构也能实现较为精准捕捉.; 关键词流场预测深度学习物理信息驱动型神经网络(PINN) 非定常流动; Keywords flow field information prediction deep learning physics-informed neural network(PINN) unsteady flow; 分类号 O368 [理学—流体力学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于物理信息驱动傅里叶神经算子的Vlasov方程求解方法	付伟王川张天爵周洪吉	《强激光与粒子束》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于物理信息驱动神经网络的三维初至波旅行时计算方法	都国宁谭军宋鹏解闯王绍文	《石油地球物理勘探》 EI CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
3	物理信息双驱动的长距离盾构隧道结构纵向力学性态智能诊断方法	张东明周烨璐黄宏伟张晋彰	《岩土力学》 EI CAS CSCD 北大核心	2023	8	在线阅读下载PDF 职称材料
4	基于PINN旅行时计算的TTI介质克希霍夫积分偏移	董江河史文英宋鹏陈长王文军谭军毛士博	《石油物探》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于稀疏数据的流场结构重构方法研究	陈旷奇欧阳晗青朱志成郝佳黄彪	《北京理工大学学报》 EI CAS CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料