Python 机器学习求解 PDE 学习项目——PINN 求解二维 Poisson 方程

计算小屋

已于 2024-07-25 15:54:26 修改

阅读量2.9k

点赞数 48

分类专栏：深度学习求解 PDE 文章标签： python 机器学习 PINN 深度学习

于 2024-07-23 22:09:38 首次发布

本文链接：https://blog.csdn.net/qq_39538718/article/details/140643400

版权

本文使用 TensorFlow 1.15 环境搭建深度神经网络（PINN）求解二维 Poisson 方程:

模型问题

$\begin{align} -\Delta u &= f \quad & \text{in } \Omega,\\ u & =g \quad & \text{on } \Gamma:=\partial \Omega. \end{align}$
其中 $\Omega = [X_a,X_b]\times[Y_a,Y_b]$ 是一个二维矩形区域， $\Delta u = u_{xx}+u_{yy}, g$ 是边界条件给定的函数，可以非零.

在这里插入图片描述

代码展现

二维PINN 与一维的整体框架是类似的，只是数据的维度升高了，为了读者方便这里直接展示完整代码，每段代码都添加了注释帮助理解：

检查 TF 版本号:

# PINN 求解 2D Poisson 方程
import tensorflow as tf
print(tf.__version__)

主要函数：

import os
#tensorflow-intel automatically set the TF_ENABLE_ONEDNN_OPTS=1
#os.environ['TF_ENABLE_ONEDNN_OPTS'] = '0'
# Here, TF_ENABLE_ONEDNN_OPTS=0 should be above import tensorflow as tf
import tensorflow as tf
import numpy as np
import time
import matplotlib.pyplot as plt
import scipy.io
import math
# 定义数据集类，用于生成训练所需的数据
class Dataset:
    def __init__(self, x_range, y_range, N_res, N_bx, N_by, Nx, Ny, xa, xb, ya, yb):
        self.x_range = x_range  # x 轴范围
        self.y_range = y_range  # y 轴范围
        self.N_res = N_res  # 方程残差点数量
        self.N_bx = N_bx  # x 方向边界条件点数量
        self.N_by = N_by  # y 方向边界条件点数量
        self.Nx = Nx  # x 方向网格数量
        self.Ny = Ny  # y 方向网格数量
        self.xa = xa  # x 方向左边界
        self.xb = xb  # x 方向右边界
        self.ya = ya  # y 方向下边界
        self.yb = yb  # y 方向上边界

    # 定义边界条件函数
    # 可以求解非齐次 Dirichlet 边界条件
    def bc(self, X_b):
        U_bc = Exact(self.xa, self.xb, self.ya, self.yb)
        u_bc = U_bc.u_exact(X_b)
        return u_bc

    # 生成数据：残差点和边界条件点
    def build_data(self):
        x0, x1 = self.x_range
        y0, y1 = self.y_range

        Xmin = np.hstack((x0, y0))
        Xmax = np