研究人员开发了一种新颖的机器学习框架，以改进多孔介质中气体流动的建模。该方法结合了Klinkenberg增强的本构关系和Hopf-Cole变换来线性化控制方程。使用共享主干神经网络架构和深度最小二乘求解器来精确预测压力和速度场，并支持用于参数估计的反向建模。 AI
影响 该框架为模拟气体传输和估算复杂地质构造中的流动特性提供了一种更准确、计算效率更高的方法。
排序理由 该集群包含一篇研究论文，详细介绍了多孔介质中气体流动的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →