基于PINNs的高度非线性Richards入渗模型研究

针对具有高度非线性系数的非饱和土Richards入渗模型,利用物理信息神经网络(PINNs,physics-informed neural networks)进行求解,并通过有限差分方法对网络预测结果进行验证,发现PINNs预测结果与有限差分预测结果基本吻合;再研究超参数对PINNs误差的影响,确定训练集大小、网络层数等因素对PINNs训练集及测试集误差的影响,在合理的超参数调整下,PINNs预测模型在高度非线性入渗模型中表现出良好的训练效果。该计算方法可广泛应用于热传导、水汽迁移及应力平衡等机场工程问题求解。