详细内容或原文请订阅后点击阅览
预测使用物理信息神经网络 (PINN) 测量土壤水分含量
摘要：近地表土壤含水量等环境条件是物体检测问题中的宝贵信息。然而，如果没有主动感知，通常无法以必要的规模获得此类信息。理查兹方程是一个描述非饱和土壤入渗过程的偏微分方程 (PDE)。求解理查兹方程可以得到有关土壤体积含水量、水力传导率和毛细管压力头的信息。然而，由于理查兹方程的非线性，它很难近似。有限差分法 (FDM) 和有限元法 (FEM) 等数值求解器是近似理查兹方程解的常规方法。但此类数值求解器在实时使用时非常耗时。物理信息神经网络 (PINN) 是依赖物理方程近似解的神经网络。一旦经过训练，这些网络就可以快速输出近似值。因此，PINN 在数值 PDE 社区中引起了广泛关注。该项目旨在将 PINN 应用于 Richards 方程，以在已知降水数据下预测地下土壤水分含量。
来源:美国陆军工程兵团阿富汗地区访问被拒绝
参考 #18.ad810e17.1729918325.10dfe404
https://errors.edgesuite.net/18.ad810e17.1729918325.10dfe404