Моделювання процесу сушіння з використанням фізично-обґрунтованих нейронних мереж
Ключові слова:
машинне навчання, граничні умови, початкові умови, чисельне моделювання
Анотація
У роботі представлено підхід фізично-інформованого машинного навчання (PIML) для моделювання масоперенесення під час сушіння. Запропонована модель поєднує глибокі нейронні мережі з фізичними рівняннями, зокрема другим законом дифузії Фіка та граничними умовами, що дозволяє під вищити точність прогнозування навіть за обмеженої кількості даних.
Посилання
[1] Batuwatta-Gamage, C.P.; Rathnayaka, C.M.; Karunasena, H.C.P.; Wijerathne, W.D.C.C.; Jeong, H.; Welsh, Z.G.; Karim, M.A.; Gu, Y.T. A physics-informed neural network-based surrogate framework to predict moisture concentration and shrinkage of a plant cell during drying. J. Food Eng. 2022, 332, 111137.
[2] Kowalczyk, D.; Baraniak, B. Effect of candelilla wax on functional properties of biopolymer emulsion films– A comparative study. Food Hydrocoll. 2014, 41, 195–209.
[3] Haghighat, E.; Juanes, R. SciANN: A Keras/TensorFlow wrapper for scientific computations and physics-informed deep learning using artificial neural networks. Comput. Methods Appl. Mech. Eng. 2021, 373, 113552.
[4] Nascimento, R.G.; Fricke, K.; Viana, F.A.C. A tutorial on solving ordinary differential equations using Python and hybrid physics-informed neural network. Eng. Appl. Artif. Intell. 2020, 96, 103996.
[5] Bai, J.; Jeong, H.; Batuwatta-Gamage, C.P.; Xiao, S.; Wang, Q.; Rathnayaka, C.M.; Alzubaidi, L.; Liu, G.R.; Gu, Y. An introduction to programming Physics Informed Neural Network-based computational solid mechanics. arXiv 2022, arXiv:2210.09060.
[2] Kowalczyk, D.; Baraniak, B. Effect of candelilla wax on functional properties of biopolymer emulsion films– A comparative study. Food Hydrocoll. 2014, 41, 195–209.
[3] Haghighat, E.; Juanes, R. SciANN: A Keras/TensorFlow wrapper for scientific computations and physics-informed deep learning using artificial neural networks. Comput. Methods Appl. Mech. Eng. 2021, 373, 113552.
[4] Nascimento, R.G.; Fricke, K.; Viana, F.A.C. A tutorial on solving ordinary differential equations using Python and hybrid physics-informed neural network. Eng. Appl. Artif. Intell. 2020, 96, 103996.
[5] Bai, J.; Jeong, H.; Batuwatta-Gamage, C.P.; Xiao, S.; Wang, Q.; Rathnayaka, C.M.; Alzubaidi, L.; Liu, G.R.; Gu, Y. An introduction to programming Physics Informed Neural Network-based computational solid mechanics. arXiv 2022, arXiv:2210.09060.
Опубліковано
2026-01-07
Як цитувати
Капран, І. (2026). Моделювання процесу сушіння з використанням фізично-обґрунтованих нейронних мереж. Комп’ютерне моделювання та інформаційні технології. вилучено із https://conf.nltu.edu.ua/index.php/conf1/article/view/448
Розділ
МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ СКЛАДНИХ СИСТЕМ
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
