مدلسازي جريان همرفت طبيعي در محيط متخلخل ناهمگن با استفاده از شبكه عصبي كانولوشني خود رمز نگار

جريان همرفت طبيعي، يك پديده فيزيكي مهم در محيط متخلخل است. اين نوع جريان در پديده‌هاي مختلف مانند مخازن زمين گرمايي و سيستم‌هاي ازدياد برداشت نفت قابل مشاهده است. يك چالش مهم در مدلسازي عددي جريان همرفت طبيعي زمان زياد محاسبات است كه منجر به طولاني شدن فرايند مدلسازي براي ساعت‌ها و روزهاي زيادي مي‌گردد. اين مشكل خصوصا در مواردي مانند تحليل عدم قطعيت و تحليل حساسيت كه نيازمند تكرار چند باره فرايند مدلسازي است و همچنين مسائل ناهمگن و با ابعاد بالا، محسوس‌تر مي‌باشد. در اين مقاله، سعي شده كه از ظرفيت‌هاي ابزار جديد شبكه عصبي كانولوشني خود رمزنگار براي غلبه بر چالش زمان محاسبات همراه با توليد جواب‌هايي با دقت بالا در مدلسازي جريان همرفت طبيعي استفاده شود. دو هدف كلي از اين پژوهش مورد انتظار است: 1) توسعه مدل شبكه عصبي كانولوشني خودرمزنگار به عنوان ابزار مدلسازي مستقيم و تحليل عدم قطعيت 2) بررسي عملكرد شبكه عصبي كانولوشني خودرمزنگار براي مدلسازي معكوس و تخمين پارامترهاي موثر در جريان همرفت طبيعي در محيط متخلخل. براي دستيابي به اين اهداف، 5000 زوج داده آموزش با كمك مدلسازي عددي توليد شده است. داده‌هاي ورودي شامل تصاوير نقشه‌هاي ناهمگن عدد رايلي به عنوان ورودي مدل، و تصاوير خروجي نقشه‌هاي توزيع دما در محيط متخلخل مي‌باشند. نتايج ارزيابي شبكه عصبي نشان مي‌دهد شاخص ضريب تعيين براي مدلسازي مستقيم با استفاده از 2000 داده آموزش و براي مدلسازي معكوس با استفاده از 5000 داده بالاي 0.89 مي‌باشد.