فهرست نشریات علمی دسترسی آزاد ایران

جریان همرفت طبیعی، یک پدیده فیزیکی مهم در محیط متخلخل است. این نوع جریان در پدیده‌های مختلف مانند مخازن زمین گرمایی و سیستم‌های ازدیاد برداشت نفت قابل مشاهده است. یک چالش مهم در مدلسازی عددی جریان همرفت طبیعی زمان زیاد محاسبات است که منجر به طولانی شدن فرایند مدلسازی برای ساعت‌ها و روزهای زیادی می‌گردد. این مشکل خصوصا در مواردی مانند تحلیل عدم قطعیت و تحلیل حساسیت که نیازمند تکرار چند باره فرایند مدلسازی است و همچنین مسائل ناهمگن و با ابعاد بالا، محسوس‌تر می‌باشد. در این مقاله، سعی شده که از ظرفیت‌های ابزار جدید شبکه عصبی کانولوشنی خود رمزنگار برای غلبه بر چالش زمان محاسبات همراه با تولید جواب‌هایی با دقت بالا در مدلسازی جریان همرفت طبیعی استفاده شود. دو هدف کلی از این پژوهش مورد انتظار است: 1) توسعه مدل شبکه عصبی کانولوشنی خودرمزنگار به عنوان ابزار مدلسازی مستقیم و تحلیل عدم قطعیت 2) بررسی عملکرد شبکه عصبی کانولوشنی خودرمزنگار برای مدلسازی معکوس و تخمین پارامترهای موثر در جریان همرفت طبیعی در محیط متخلخل. برای دستیابی به این اهداف، 5000 زوج داده آموزش با کمک مدلسازی عددی تولید شده است. داده‌های ورودی شامل تصاویر نقشه‌های ناهمگن عدد رایلی به عنوان ورودی مدل، و تصاویر خروجی نقشه‌های توزیع دما در محیط متخلخل می‌باشند. نتایج ارزیابی شبکه عصبی نشان می‌دهد شاخص ضریب تعیین برای مدلسازی مستقیم با استفاده از 2000 داده آموزش و برای مدلسازی معکوس با استفاده از 5000 داده بالای 0.89 می‌باشد.