物理信息神經網絡求解二維納維-斯托克斯流;Physics-Informed Neural Network Approach for Solving 2D Navier-Stokes Flows

NCU Institutional Repository > 理學院 > 數學研究所 > 博碩士論文 > Item 987654321/95724

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/95724

题名:	物理信息神經網絡求解二維納維-斯托克斯流;Physics-Informed Neural Network Approach for Solving 2D Navier-Stokes Flows
作者:	陳宗興;Chen, Tsung-Hsing
贡献者:	數學系
关键词:	物理信息神經網絡;納維-斯托克斯流;泰勒-格林渦旋;Physics-Informed Neural Network;Navier-Stokes Flows;Taylor-Green vortex
日期:	2024-07-10
上传时间:	2024-10-09 17:12:09 (UTC+8)
出版者:	國立中央大學
摘要:	在本論文中，我們提出了一種修改的投影方法，利用物理信息神經網絡來求解不可壓縮的納維-斯托克斯方程。我們首先應用有限差分法結合投影方法來解決泰勒-格林渦旋，並將結果與解析解進行比較。我們的結果表明，該方法能夠以二階收斂速率準確預測泰勒-格林渦旋的流動和壓力場。隨後，我們使用結合投影方法的物理信息神經網絡來解決泰勒-格林渦旋。然而，我們的實驗結果表明，直接使用投影法會導致速度場的預測結果較差。為了解決這個問題，我們提出了一種修改的投影方法，同時求解流體函數和勢函數，並通過流體函數來更新速度場。我們的數值結果表明，這種方法能夠在方形、橢圓形和L形區域中準確預測泰勒-格林渦旋的流動和壓力場。;In this thesis, we propose a modified projection method for solving the incompressible Navier-Stokes equations using physics-informed neural networks (PINNs). We begin by applying the finite difference method combined with the projection method to solve the Taylor- Green vortex and compare the results with the analytical solution. Our results demonstrate that this approach accurately predicts the flow and pressure fields of the Taylor-Green vortex with a second-order convergence rate. We then use PINNs with the projection method to solve the Taylor-Green vortex. However, our experimental results indicate that, direct usage of the projection method leads to poor prediction results of the velocity field. To address this, we propose a modified projection method that simultaneously solves the stream function and potential function. Our numerical results show that this approach accurately predicts the flow and pressure fields of the Taylor-Green vortex in square, ellptical and L-shaped domains.
显示于类别:	[數學研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	59	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....