拉扎罗·J·佩雷斯。;乔治·贝比斯;肖恩·麦肯纳。;里希·帕拉沙尔 使用随机行走和机器学习预测非均匀多孔介质中的溶质运移。 （英语） Zbl 07802825号 宝石。国际地理数学杂志。 14，第30号论文，第19页（2023年）. 摘要：非均匀多孔介质中的溶质运移过程传统上是通过在具有代表性的基本体上使用升序方法对宏观性质进行参数化来研究的。因此，我们精确模拟精细尺度溶质运移的能力有限。在多物理框架中结合孔隙尺度的多重输运和几何观测可以加强对更大尺度上表现出来的输运机制的理解。在本文中，我们使用机器学习方法预测了三种砂岩几何形状（Castlegate、Bentheimer和砂岩充填）中的保守溶质运移，这三种几何形状涵盖了不同程度的非均质性。我们的方法基于随机森林（RF）算法，执行模拟传输预测，如溶质突破曲线。工作流中使用的RF算法是一种基于树的集成方法，它独立构建几个不同的决策树模型，然后通过组合各个树的输出来计算最终预测。我们将溶质到达时间和移动距离等观测值作为输入，利用砂岩中的随机行走粒子跟踪（RWPT）模拟训练预测模型。我们使用贝叶斯优化技术来选择控制RF模型结构的超参数值，以避免过拟合。我们的工作流程结果显示了对RWPT穿透曲线的准确RF预测，表明RF算法能够捕捉多孔介质的临界流动和传输特性。我们还检查了训练数据中对几何样本效应的敏感性，这可能会影响机器学习预测。所使用的RF算法能够在从松散颗粒到固结介质的真实岩石样品中提供准确的结果，突出了该模型推广多孔介质中溶质运移问题的能力。 理学硕士： 76S05号 多孔介质中的流动；过滤；渗流 76立方米 随机分析在流体力学问题中的应用 76M99型 流体力学基本方法 68T05型 人工智能中的学习和自适应系统 关键词：随机森林算法;随机游走模型;反常溶质运移;溶质穿透曲线;基于树的集成方法;贝叶斯优化方法 软件：青蒿素 PDF格式BibTeX公司 XML格式引用 \textit{L.J.Perez}等人，创业板。国际地理数学杂志。14，第30号论文，第19页（2023；Zbl 07802825） 全文： 内政部 参考文献： [1] 艾哈迈德一世。；伊利亚斯，H。；Urooj，A.，《智能计算范式在软组织和微血管中流体非线性反应传输模型分析中的新应用》，神经计算。申请。，31, 12, 9041-9059 (2019) ·doi:10.1007/s00521-019-04203-y [2] 艾哈迈德，B。；穆杜努鲁，MK；Karra，S.，《预测反应混合状态的机器学习模型的比较研究》，J.Compute。物理。，432, 110, 147 (2021) ·Zbl 07511682号 [3] Al-Farisi，O.，Zhang，H.，Raza，A.等人：机器学习用于3D图像识别，以确定非均质碳酸盐岩的孔隙度和岩性。摘自：OnePetro（2019年）SPE油藏特征描述和模拟会议及展览 [4] 印度Al-Salamah；YM Ghazaw；Ghumman，AR，Saq含水层Buraydah Al-Qassim的地下水建模，以实现更好的水管理战略，环境。莫尼特。评估。，173, 1, 851-860 (2011) ·doi:10.1007/s10661-010-1428-1 [5] Alizadeh，R。；艾伦，JK；Mistree，F.，《使用代理模型管理计算复杂性：评论》，Res.Eng.Des。，31, 3, 275-298 (2020) ·doi:10.1007/s00163-020-00336-7 [6] 阿基诺，T。；Aubeneau，A。；Bolster，D.，《水文示踪试验中突破曲线的峰值和尾标度》，《水资源高级》。，78, 1-8 (2015) ·doi:10.1016/j.advwatres.2015.01.016 [7] Ben Noah，I.、Hidalgo，J.J.、Jimenez-Martinez，J.等人：部分饱和多孔介质中的溶质捕获和非菲克输运机制。水资源研究59（2）：e2022WR033613（2023） [8] 靠垫，D。；罗氏，韩国；Morales，VL，用于预测天然地下水系统中污染物的异常传输模型的最新进展，Curr。操作。化学。工程，26，72-80（2019）·doi:10.1016/j.che.2019.09.006 [9] Breiman，L.，装袋预测，马赫数。学习。，24, 123-140 (1996) ·Zbl 0858.68080号 ·doi:10.1007/BF00058655 [10] Breiman，L.，《随机森林》，马赫。学习。，45, 1, 5-32 (2001) ·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [11] Breiman，L.，Cutler，A.：随机森林手册（2004年）。http://www.statberkeleyedu/breiman/RandomForests/cc_manual.htm [12] Breiman，L.、Friedman，J.H.、Olshen，R.A.等人：分类和回归树。布鲁克斯。沃兹沃思和布鲁克斯，蒙特雷（1984）·Zbl 0541.62042号 [13] 布雷曼，L。；JH弗里德曼；Olshen，RA，分类和回归树（2017），伦敦：Routledge，伦敦·Zbl 0541.62042号 ·doi:10.1201/9781315139470 [14] 马里兰州布鲁塞尔；安德森，RH；Guo，B.，《土壤中PFAS浓度：背景水平与污染场地》，科学。Total Environ.公司。，740, 140, 017 (2020) [15] 科莫利，A。；哈肯，V。；Dentz，M.，《非均质多孔介质中异常弥散的机理、放大和预测》，《水资源》。研究，55，10，8197-8222（2019）·doi:10.1029/2019WR024919 [16] 科尔蒂斯，A。；Berkowitz，B.，“经典”土壤和沙柱中的异常迁移，土壤科学。《美国社会杂志》，68，5，1539-1548（2004）·doi:10.2136/ssaj2004.1539 [17] 德卢西亚，M。；Kempka，T。；Jatnieks，J.，《将替代模型集成到地下模拟框架中，可以计算复杂的反应迁移场景》，《能源媒体》，125，580-587（2017）·doi:10.1016/j.egypro.2017.08.200 [18] Di Palma，P.R.，Guyennon，N.，Parmigiani，A.等人：合成多孔介质几何特性对溶质运移的影响，使用直接三维孔隙尺度模拟。2019年（2019年）地质流体 [19] DiGiovanni，A.A.、Fredrich，J.T.、Holcomb，D.J.等人。模拟储层砂岩压实的微观力学。In:第四届北美岩石力学研讨会，OnePetro（2000） [20] Edmunds，W。；Smedley，P.，《地下水滞留时间指标：东米德兰三叠纪砂岩含水层》，应用。地球化学。，15, 6, 737-752 (2000) ·doi:10.1016/S0883-2927（99）00079-7 [21] 恩格达尔，NB；Aquino，T.，时变溶质迁移的放大模型：瞬态空间马尔可夫动力学，高级水资源。，166, 104, 271 (2022) [22] Gouze，P。；Puyguiraud，A。；Roubinet，D.，用随机行走方法模拟的不同复杂性岩石中的孔隙尺度运移，Transp。多孔介质，146，1-2，139-158（2023）·doi:10.1007/s11242-021-01675-2 [23] Guo，B.，Zeng，J.，Brusseau，M.L.：渗流区中全氟和多氟烷基物质（PFAS）释放、运输和滞留的数学模型。水资源。第56（2）号决议，e2019WR026667（2020a） [24] Guo，Z.，Henri，C.V.，Fogg，G.E.等人：自适应多速率传质（aMMT）模型：瞬态流动条件下高尺度区域传输的新方法。水资源。第56（2）号决议，e2019WR026000（2020b） [25] 哈格蒂，R。；McKenna，SA；Meigs，LC，《关于示踪剂测试突破曲线的后期行为》，Water Resour。研究，36，12，3467-3479（2000）·doi:10.1029/2000/WR900214 [26] 何，Q。；Tartakovsky，AM，前向和后向平流扩散方程的基于物理的神经网络方法，水资源。研究，57，7，e2020 WR029479（2021）·doi:10.1029/2020WR029479 [27] 何，Q。；巴拉哈斯·索拉诺，D。；Tartakovsky，G.，《应用于地下运输的多物理数据同化的物理信息神经网络》，水资源高级研究所。，141, 103, 610 (2020) [28] 伊达尔戈，JJ；诺伊威勒，I。；Dentz，M.，平流捕集下的输运，J.流体力学。，907，A36（2021）·Zbl 1461.76436号 ·doi:10.1017/jfm.2020.782 [29] 洪，S。；Lynn，HS，在存在非正态性、非线性和相互作用的情况下基于随机因素插补缺失数据的准确性，BMC医学研究方法。，20, 1, 1-12 (2020) ·doi:10.1186/s12874-020-01080-1 [30] 伊卡迪，M。；Boccardo，G。；Marchisio，DL，三维多孔介质中流体流动和溶质扩散的孔隙尺度模拟，Phys。版本E，90，1，013032（2014）·doi:10.1103/PhysRevE.90.013032 [31] 南卡马拉瓦。；Tahmasebi，P。；Sahimi，M.，通过深度学习将多孔介质的形态与其宏观渗透率联系起来，Transp。多孔介质，131,2427-448（2020）·doi:10.1007/s11242-019-01352-5 [32] 南卡马拉瓦。；我，J。；de Barros，FPJ，通过深度卷积神经网络估算非均质多孔介质中流动的分散系数，Geophys。Res.Lett.公司。，48、18、e2021GL094443（2021）·doi:10.1029/2021GL094443 [33] Kim，JS；Kang，PK，通过自由流动多孔介质界面的异常传输：孔隙尺度模拟和预测建模，Adv.Water Resour。，135, 103, 467 (2020) [34] Kowalek，P。；H.奥尔塞夫斯卡湖。；Szwabiñski，J.，《单粒子跟踪数据中扩散模式的分类：基于特征与深度学习方法》，Phys。E版，100,3（2019年）·doi:10.1103/PhysRevE.100.032410 [35] Kurotori，T。；扎哈斯基，C。；Benson，SM，使用连续随机行走形式描述实验室岩芯中的化学传输，水资源。决议，56，9，e2020 WR027511（2020）·doi:10.1029/2020WR027511 [36] 兰格，H。；Sippel，S.，机器学习在水文学中的应用，森林与水的相互作用，233-257（2020），商会：施普林格，商会·doi:10.1007/978-3-030-26086-6_10 [37] 上午利尔；凯斯，S。；Kulik，DA，加速反应传输建模：用于化学平衡计算的按需机器学习算法，Transp。多孔介质，133，2，161-204（2020）·doi:10.1007/s11242-020-01412-1 [38] Lee，JW；李，JB；Park，M.，《应用于微阵列数据的最新分类工具的广泛比较》，计算。统计数据分析。，48, 4, 869-885 (2005) ·Zbl 1429.62252号 ·doi:10.1016/j.csda.2004.03.017 [39] 李，Y。；卢，P。；Zhang，G.，基于人工神经网络的反应性运输建模代理建模工作流，Pet。决议，7，1，13-20（2021） [40] 莫斯塔吉米，P。；Bijeljic，B。；MJ Blunt，《孔隙空间图像上的流动和扩散模拟》，SPE J.，17，4，1131-1141（2012）·数字对象标识码：10.2118/135261-PA [41] 穆尼奥斯·吉尔，G。；马萨诸塞州加西亚-马奇；Manzo，C.，《通过机器学习进行单轨迹表征》，新J.Phys。，22, 1 (2020) ·doi:10.1088/1367-2630/ab6065 [42] 南澳州Naghibi；Ahmadi，K。；Daneshi，A.，《支持向量机、随机森林和遗传算法优化随机森林模型在地下水潜力制图中的应用》，《水资源》。管理。，31, 9, 2761-2775 (2017) ·doi:10.1007/s11269-017-1660-3 [43] 佩克萨，AE；沃尔夫，KHA；Zitha，PL，Bentheimer砂岩为实验目的再次访问，Mar.Pet。地质。，67, 701-719 (2015) ·doi:10.1016/j.marpetgeo.2015.06.001 [44] 佩雷斯，LJ；伊达尔戈，JJ；Dentz，M.，Poiseuille流动中混合有限双分子化学反应的放大，水资源。研究，55，1，249-269（2019）·doi:10.1029/2018WR022730 [45] Perez，L.J.、Parashar，R.、Plymale，A.等：生物膜诱导的流动不均一性对多孔介质中溶质滞留和异常传输特性的贡献。水资源研究209117896（2021a）。doi:10.1016/j.watres.2021.17896 [46] Perez，L.J.、Puyguiraud，A.、Hidalgo，J.J.等：不饱和多孔介质中的放大混合控制反应。运输。多孔介质146177-196（2021b） [47] Poffenbarger，H。；Castellano，M。；Egli，D.，植物育种对土壤碳储量的贡献：回顾与展望，作物科学。，63, 990-1018 (2023) ·doi:10.1002/csc2.20920 [48] Pollock，DW，有限差分模型路径线的半解析计算，地下水，26，6，743-750（1988）·doi:10.1111/j.1745-6584.1988.tb00425.x [49] 俄亥俄州波波娃；小型，MJ；McCoy，ST，《二氧化碳储存资源评估方法的比较分析》，环境。地质科学。，19, 3, 105-124 (2012) ·doi:10.1306/eg.06011212002年 [50] Puyguiraud，A。；Gouze，P。；Dentz，M.，三维多孔介质中拉格朗日孔隙尺度速度的随机动力学，水资源。研究，55，2，1196-1217（2019）·doi:10.1029/2018WR023702 [51] Puyguiraud，A。；佩雷斯，LJ；Hidalgo，JJ，孔级混合和反应放大的有效分散系数，高级水资源。，146, 103, 782 (2020) [52] Puyguiraud，A。；Gouze，P。；Dentz，M.，多孔介质中的孔隙尺度混合和流体动力弥散的演变，物理学。修订稿。，126, 16 (2021) ·doi:10.1103/PhysRevLett.126.164501 [53] 乔，C。；Xu，Y。；Zhao，W.，单垂直裂缝中溶质非费克运移的分数导数模拟，Front。物理。，8, 378 (2020) ·doi:10.3389/fphy.2020.00378 [54] 罗德里格斯·加利亚诺，V。；议员门德斯；Garcia-Soldado，MJ，《使用随机森林和与内在和特定脆弱性相关的多源变量对地下水硝酸盐污染进行预测建模：农业环境中的案例研究》（西班牙南部），科学。Total Environ.公司。，476, 189-206 (2014) ·doi:10.1016/j.scitotenv.2014.01.001 [55] 日本桑托斯；徐，D。；Jo，H.，《孔隙流网络：预测流体流经多孔介质的三维卷积神经网络》，《高级水资源》。，138, 103, 539 (2020) [56] 希尔德斯，WH；范德福斯特，HA；Rommes，J.，《模型降阶：理论、研究方向和应用》（2008），Cham:Springer，Cham·Zbl 1143.65004号 ·doi:10.1007/978-3-540-78841-6 [57] 沙尔马，PK；阿加瓦尔，P。；Mehdinejadiani，B.，《溶质通过多孔介质传输的非费克行为研究》，ISH J.Hydraul。工程师，第28期，第171-179页（2022）·doi:10.1080/09715010.2020.1727783 [58] 谢尔曼，T。；恩格达尔，NB；Porta，G.，《预测多孔介质和裂缝介质中前渐近和异常运移的空间马尔可夫模型综述》，J.Contam。水文。，236 (2020) ·doi:10.1016/j.jconhyd.2020.103734 [59] Shiri，J.，通过耦合小波-随机森林方法改进基于质量传递的参考蒸散量估算方法的性能，J.Hydrol。，561, 737-750 (2018) ·doi:10.1016/j.jhydrol.2018.04.042 [60] 辛格，B。；Sihag，P。；Singh，K.，通过随机森林回归模拟水质对土壤入渗率的影响，模型。地球系统。环境。，3, 3, 999-1004 (2017) ·doi:10.1007/s40808-017-0347-3 [61] Snoek J，Larochelle H，Adams RP（2012）机器学习算法的实用贝叶斯优化。In：神经信息处理系统进展，第25卷·Zbl 1433.68379号 [62] Sun，L。；邱，H。；Wu，C.，《分数阶平流扩散方程在地表水和地下水异常溶质运移中的应用综述》，Wiley Interdiscip。《水资源评论》，第7期，第4期（2020年）·doi:10.1002/wat2.1448 [63] Swanson，RD；宾利，A。；Keating，K.，《饱和多孔介质中异常溶质运移：将运移模型参数与电和核磁共振特性相关联》，《水资源》。Res.，51，21264-1283（2015年）·doi:10.1002/2014WR015284 [64] 唐，M。；刘，Y。；Durlowsky，LJ，动态地下水流问题中基于深度学习的数据同化替代模型，J.Compute。物理。，413, 109, 456 (2020) ·Zbl 1436.76058号 [65] Vesper，DJ，重金属对洞穴水的污染，洞穴百科全书，320-325（2019），荷兰：爱思唯尔，荷兰·doi:10.1016/B978-0-12-814124-3.00035-2 [66] 王，Z。；赖，C。；Chen，X.，基于随机森林的洪水灾害风险评估模型，J.Hydrol。，527, 1130-1141 (2015) ·doi:10.1016/j.jhydrol.2015.06.008 [67] 惠勒，HG；塔博尔，G。；Jasak，H.，使用面向对象技术的计算连续体力学张量方法，计算。物理。，12, 6, 620-631 (1998) ·数字对象标识代码：10.1063/1.168744 [68] 吴杰。；陈，XY；Zhang，H.，基于贝叶斯优化的机器学习模型超参数优化，J.Electron。科学。技术。，17, 1, 26-40 (2019) [69] Yoon，S。；Kang，PK，《粗糙通道流中混合诱导的双分子反应输运：孔尺度模拟和随机放大》，Transp。多孔介质，146，329-350（2021）·doi:10.1007/s11242-021-01662-7 [70] 张，Z。；Cai，Z.，基于数字图像分析和使用随机森林算法进行岩石分型的碳酸盐岩渗透率预测，能源燃料，35，14，11271-11284（2021）·doi:10.1021/acs.energyfuels.1c01331 [71] 周，X。；朱，X。；Dong，Z.，使用随机森林回归算法和遥感数据估算小麦生物量，《作物杂志》，4，3，212-219（2016）·doi:10.1016/j.cj.2016.01.008 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不声称其完整性或完全匹配。