Physics-Informed Neural Networkによる高密度ガス重力流の数値予測と実験的検証

抄録

本研究では，Physics-Informed Neural Network（PINN）を用いて，高密度ガス重力流の1次元浅層モデルに含まれる経験的物理パラメータを同定し，室内模型実験との比較によりその予測性能を検証した．また，Froude数を用いたスケーリングを導入することで，異なる初期ダム高さ条件を単一のPINNで扱う枠組みを構築した．逆解析により同定された物理パラメータを固定した順解析を実施した結果，PINNによる予測は，異なる条件におけるガス先端位置および床面濃度の時間変化を良好に再現できた．一方，鉛直濃度分布については，実験において試行間のばらつきが大きい未学習地点では過小評価する傾向が見られた．本結果は，PINNによる高密度ガス重力流の時空間的挙動予測に対する有効性と適用範囲を示している．