Fast mathematical modeling of partial-breach dam-break flow using a time-series field-reconstruction deep learning approach

系列(地层学) 流量(数学) 卷积神经网络 瞬态(计算机编程) 光滑粒子流体力学 领域(数学) 人工神经网络 算法 过程(计算) 计算机科学 人工智能 机械 物理 数学 地质学 古生物学 纯数学 操作系统
作者
Xiaohui Yan,Ruigui Ao,Abdolmajid Mohammadian,Jianwei Liu,Fu Du,Yan Wang
出处
期刊:Physics of Fluids [American Institute of Physics]
卷期号:35 (4)
标识
DOI:10.1063/5.0142335
摘要

Mathematical modeling of dam-breach flow can provide a better understanding of dam failure events, which in turn helps people to reduce potential losses. In the present study, the smooth particle hydrodynamics (SPH) modeling approach was employed to simulate the three-dimensional (3D) partial-breach dam-break flow using two different viscosity models: the artificial viscosity and sub-particle-scale models. The validated and best-performing SPH model was further employed to conduct numerical experiments for various scenarios, which generated a comprehensive dataset. The current work also presents a novel time-series field-reconstruction deep learning (DL) approach: Time Series Convolutional Neural Input Network (TSCNIN) for modeling the transient process of partial-breach dam-break flow and for providing the complete flow field. This approach was constructed based on the long short-term memory and convolutional neural network algorithms with additional input layers. A DL-based model was trained and validated using the numerical data, and tested using two additional unseen scenarios. The results demonstrated that the DL-based model can accurately and efficiently predict the transient water inundation process, and model the influence of dam-break gaps. This study provided a new avenue of simulating partial-breach dam-break flow using the time-series DL approaches and demonstrated the capability of the TSCNIN algorithm in reconstructing the complete fields of transient variables.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
呱呱完成签到,获得积分10
1秒前
1秒前
有且仅有发布了新的文献求助10
3秒前
传奇3应助杰克李李采纳,获得10
4秒前
思无邪完成签到 ,获得积分10
5秒前
活力书包完成签到 ,获得积分10
8秒前
李渤海发布了新的文献求助20
9秒前
11秒前
ddak发布了新的文献求助10
11秒前
Ava应助nini采纳,获得10
13秒前
13秒前
科研通AI2S应助苗儿采纳,获得10
13秒前
15秒前
康康完成签到 ,获得积分10
16秒前
YHYHYH发布了新的文献求助10
17秒前
18秒前
18秒前
xzw完成签到,获得积分10
20秒前
www完成签到 ,获得积分10
21秒前
潘杨霞发布了新的文献求助20
22秒前
曾经晓亦完成签到 ,获得积分20
23秒前
科研小白发布了新的文献求助10
24秒前
25秒前
Shaw完成签到,获得积分10
26秒前
YHYHYH完成签到,获得积分10
26秒前
小蘑菇应助积极含灵采纳,获得10
27秒前
桐桐应助NNNN采纳,获得10
29秒前
美满寄松发布了新的文献求助10
32秒前
zz完成签到 ,获得积分10
33秒前
Kcc发布了新的文献求助10
34秒前
杨扬完成签到,获得积分10
36秒前
情怀应助欧阳X天采纳,获得10
37秒前
38秒前
赘婿应助美满寄松采纳,获得10
39秒前
格子布发布了新的文献求助10
40秒前
我是老大应助菜菜Cc采纳,获得10
42秒前
42秒前
香蕉觅云应助李渤海采纳,获得10
43秒前
善良安梦完成签到,获得积分20
46秒前
十万八千完成签到,获得积分10
48秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3143731
求助须知:如何正确求助?哪些是违规求助? 2795219
关于积分的说明 7813671
捐赠科研通 2451210
什么是DOI,文献DOI怎么找? 1304353
科研通“疑难数据库(出版商)”最低求助积分说明 627221
版权声明 601400