跳到主要内容
检索

China University of Petroleum, Beijing

2 篇关联报道

订阅更新
  1. 稀疏轨迹也能画出全场流场:拉格朗日—欧拉网络同时预测长程粒子路径

    复杂流动中的粒子输运通常靠求解纳维—斯托克斯方程,数值与实验方法成本高,已有机器学习方法在稀疏数据下难以外推长程粒子轨迹。TrajectoryFlowNet 把拉格朗日视角的粒子轨迹与欧拉视角的全场速度、压力放进同一个物理约束网络,只用少量轨迹测量就同时给出全场流动和任意粒子的长程路径。验证覆盖数值算例(顶盖驱动方腔流、复杂圆柱绕流)与实验血流(主动脉、心室),在含不规则边界的流动中保持预测的物理一致性。

  2. researchsquare.com

    砾岩数字岩心不再二选一:大视场扫描补出孔隙细节,渗透率误差降到18.56%

    针对砾岩储层微CT成像中大视场与高分辨率难以兼得的矛盾,Hy-MambaIR把窗口自注意力与Mamba状态空间模型串成“先局部后全局”的重建网络,从低分辨率大视场切片恢复高分辨率孔隙与砾石结构。在配对多分辨率微CT数据上,其峰值信噪比达33.36 dB,比HAT高1.31 dB,并以少6.6倍的训练迭代达到30 dB;在855³体素代表性单元上,三向绝对渗透率平均相对误差为18.56%,经砾质砂岩监督微调后降至3.59%。

已读完全部报道