申请/专利权人:西南交通大学;中国石油大学(北京)
申请日:2023-12-21
公开(公告)日:2024-03-22
公开(公告)号:CN117744527A
主分类号:G06F30/28
分类号:G06F30/28;G06F30/27;G06N3/0442;G06N3/084;G06F113/08;G06F119/14;G06F111/04;G06F119/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于PINNs与物理边界条件约束的地热产能智能预测方法及系统,属于地热产能预测技术领域。基于时间坐标、空间坐标和边界初始条件制作数据集;将数据集输入PINNs模型,通过物理约束公式构建损失函数;根据损失函数以及PINNs模型内置的优化器得到最优模型;将待测数据输入最优模型,得到预测值。本发明把物理边界条件同时作为输入数据进行PINNs模型搭建,并作为约束进行模型训练,这样训练出来的模型就是可以实现真正意义上的产能智能预测模型,既增强了模型的可迁移性,又考虑了物理机理,可实现地热产能的实时准确预测。
主权项:1.一种基于PINNs与物理边界条件约束的地热产能智能预测方法,其特征在于,包括以下步骤:基于时间坐标、空间坐标和边界初始条件制作数据集;将所述数据集输入PINNs模型,通过物理约束损失和数据损失构建总损失函数;根据所述总损失函数以及所述PINNs模型内置的优化器得到最优模型;将待测数据输入所述最优模型,得到预测值。
全文数据:
权利要求:
百度查询: 西南交通大学;中国石油大学(北京) 基于PINNs与物理边界条件约束的地热产能智能预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。