典型文献
机器学习在求解一维双曲守恒律方程中的应用
文献摘要：
双曲守恒律方程对空气动力学、物理学和海洋学等众多领域问题的计算有着重大意义,本文应用机器学习框架下的BP神经网络对双曲守恒律方程近似求解.首先,采用熵稳定格式及基于自适应移动网格的熵稳定格式所得多个时间层的数值解构造网络输入,采用高分辨率熵稳定格式所得对应的多个时间层的数值解构造网络输出,并对数据集作归一化处理.随后,利用三层的BP神经网络训练数据,从而得到性能良好的神经网络,以实现对任一给定时间层节点处数值解的预测.最后,通过五个数值算例表明该算法适用于该类问题的解决,数值结果分辨率高,且无非物理振荡产生.
文献关键词：
双曲守恒律方程;机器学习;BP神经网络;熵稳定格式;自适应移动网格
中图分类号：
作者姓名：
赵青宇;郑素佩;李霄
作者机构：
长安大学理学院,西安710064
文献出处：
引用格式：
[1]赵青宇;郑素佩;李霄-.机器学习在求解一维双曲守恒律方程中的应用)[J].计算力学学报,2022(02):229-236
A类：
自适应移动网格
B类：
双曲守恒律方程,空气动力学,物理学,海洋学,熵稳定格式,间层,数值解,归一化处理,神经网络训练,训练数据,任一,数值算例,分辨率高,无非
AB值：
0.133348
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
