一类耦合模型双参数反演的正则化PINNs算法

周琴; 徐定华

doi:10.13413/j.cnki.jdxblxb.2023489

吉林大学学报(理学版) ›› 2025, Vol. 63 ›› Issue (05) : 1475 -1482. DOI: 10.13413/j.cnki.jdxblxb.2023489

一类耦合模型双参数反演的正则化PINNs算法

周琴, 徐定华

作者信息 +

Author information +

文章历史 +

PDF

摘要

讨论一类温度场-结晶耦合模型的双参数反问题,提出稳定化数值算法,以识别成核率和生长速率,并验证算法的抗噪性.将耦合模型嵌入深度神经网络的损失函数中,基于最小化损失函数更新神经网络参数,得到正问题的近似解;针对反问题,构造带正则化项的损失函数,提出正则化物理信息神经网络(PINNs)算法.数值结果表明,正则化PINNs算法可有效求解温度场-结晶耦合模型的反问题,且具有抗噪稳定性.