基于卷积神经网络的多孔材料有效扩散系数预测

摘要

提出了一种利用卷积神经网络预测多孔材料内有效扩散系数的方法,其中多孔材料微观结构的训练样本通过计算机随机模拟生成,对应的有效扩散系数通过有限元方法计算,并联用Matlab和Comsol实现,卷积神经网络训练在单块NVIDIA K80 GPU上进行,训练过程中出现的过拟合现象通过Dropout进行缓解.训练后的卷积神经网络对测试集的预测精确度达96.70％.利用这种方法,能够通过多孔材料的显微图片快速和准确计算其有效扩散系数.