-
公开(公告)号:CN116644651A
公开(公告)日:2023-08-25
申请号:CN202310368621.4
申请日:2023-04-07
Applicant: 中国电建集团昆明勘测设计研究院有限公司 , 华能澜沧江水电股份有限公司
IPC: G06F30/27 , G06F30/13 , G06N3/048 , G06N3/08 , G06F113/08
Abstract: 本发明涉及一种基于深度学习求解自由面渗流的方法,属于人工智能和自由面渗流计算方法技术领域,在于通过深度学习对数据集进行学习,保存神经网络模型参数,最后利用训练好的神经网络模型对自由面渗流问题进行预测。该方法求解的渗流自由面和通过试验得到的渗流自由面拟合程度高,可以看出深度学习对于自由面渗流问题具有准确性和正确性,因此本发明的基于深度学习求解自由面渗流问题的方法效果良好。
-
公开(公告)号:CN116644652A
公开(公告)日:2023-08-25
申请号:CN202310371896.3
申请日:2023-04-07
Applicant: 华能澜沧江水电股份有限公司 , 中国电建集团昆明勘测设计研究院有限公司
Abstract: 本发明涉及一种基于深度学习的饱和瞬态渗流问题的计算,属于人工智能和饱和瞬态渗流计算方法技术领域,首先构建神经网络模型,然后给予深度学习对数据集进行学习,输出神经网络模型参数,最后利用训练好的模型对渗流问题进行预测。通过对水头的实际分布情况进行统计,并将统计结果与本发明拟合的结果进行对比,深度学习神经网络对饱和瞬态问题的求解结构具有准确性和正确性,因此本发明提出的基于深度学习的饱和瞬态渗流问题取得了较好的效果。
-
公开(公告)号:CN116629093A
公开(公告)日:2023-08-22
申请号:CN202310371696.8
申请日:2023-04-07
Applicant: 华能澜沧江水电股份有限公司 , 中国电建集团昆明勘测设计研究院有限公司
Abstract: 本发明涉及一种基于深度学习的饱和稳态渗流计算,属于人工智能和饱和稳态渗流计算方法技术领域,首先构建神经网络模型,然后基于深度学习对数据集进行学习,保存神经网络模型参数,最后利用训练好的模型对渗流问题进行预测。数据集;为构建的神经网络;为偏微分方程中的待求解参数。采用有限元方法对该饱和稳态渗流问题的求解结果与采用深度学习对该饱和稳态渗流问题的求解结果对比误差较小,可以看出深度学习对饱和稳态渗流稳态具有准确性和正确性,因此本发明提出的一种基于深度学习的饱和稳态渗流问题取得了较好的效果。
-
-