AI与世界难题 · 物理学 · arXiv · 2026-10-26
基于非线性波动方程和物理信息神经网络的含气泡液体敏感性引导参数估计
原标题: Sensitivity-Guided Parameter Estimation of Bubbly Liquid via a Nonlinear Wave Equation and Physics-InformedNeuralNetworks
预测物理参数如何影响含气泡液体中的非线性波传播十分困难。作者将Korteweg-de Vries-Burgers（KdVB）方程与物理信息神经网络（PINN）相结合，对八个物理参数进行了敏感性分析，随后对其中七个参数进行了单参数反演估计。液体粘度、气泡初始半径、液体密度、声速和液体压力的估计误差为0.8–2.1%，多方指数仅部分收敛，而表面张力系数无法被估计，这与敏感性分析的结果一致。