arXiv eess.SY 系统与控制· Sultan Alhamdan, Daniel Navia, Paulina Quintanilla·· 5 小时前精选AI 评分43
物理引导机器学习用于堆浸变水力条件下的饱和度控制
Physics-guided machine learning for saturation control across variable hydraulic conditions in heap leaching
AI 导读
论文提出一种参数条件化的物理引导机器学习（PGML）代理模型，用于堆浸矿床在不同水力条件下的饱和度控制仿真。模型基于4096条Richards方程数值轨迹训练，从当前饱和度剖面、灌溉速率和四个水力参数预测逐小时饱和度剖面，并加入近似Gardner质量平衡惩罚。
推荐理由
论文给出了与PI控制器的对比数据和推理速度，评估物理引导代理模型在堆浸饱和控制中的可用性。
来源：arXiv eess.SY 系统与控制 · arxiv.org