近期，我实验室海洋岩土工程团队在多孔介质非线性流动特性方面研究取得成果。利用人工神经网络方法，构建了考虑堆积体颗粒密度（ρp）、粒径（deq）、形状系数（ψ）、孔隙率（ε）的液体流动非线性模型，能够精确预测多孔介质非线性流动行为，为非粘性颗粒堆积体的多孔介质渗流研究提供了新思路。
多孔介质在自然界中广泛存在，如海床土、礁砂、坡体等。在许多工程问题中均涉及无粘性颗粒与水的相互作用，如海岸侵蚀、冲刷、管涌及海洋石油开采出砂等问题。多孔介质中流体流动特性研究不仅在海洋岩土工程，同时在环境工程和水文地质等领域都具有重要意义。颗粒堆积体与流体相互作用时，在低流速条件下可采用Darcy定律来描述土水相互作用；而在较高的雷诺数流速区域，需采用如Forchheimer等系列非线性流动方程。但目前非线性方程仅针对规则的球形颗粒，对于含有不同形状、等效直径、密度、孔隙率的颗粒堆积体，这些非线性方程并不能很好地刻画堆积体中液体流动特性，进而使得对实际工程中颗粒堆积体的渗流问题分析产生偏差。
针对上述理论问题，团队自主研制自循环流速控制的渗流装置（图1），利用该装置可模拟从低流速Darcy流到高流速的广泛雷诺数区域的颗粒材料渗透过程。采用该装置开展颗粒堆积体的密度（ρp）、直径（deq）、形状系数（ψ）、孔隙率（ε）等因素影响的渗流试验。基于所获得的大量试验结果，采用人工神经网络（如图2），确定Forchheimer非线性方程的二阶斜率与低域截断值，进一步构建了考虑多因素影响的Forchheimer修正模型。采用相关系数、标准化的均方根差、平均残差和比例百分比误差等多指标评价方法充分验证模型的准确性和适用性。与传统理论模型对比（如图2），可见新建立的模型在预测复杂颗粒堆积体流动特性方面具有显著优越性。上述研究工作发表在颗粒材料领域国际权威期刊《Powder Technology》，文章的第一作者及通讯作者是我实验室王胤教授。该研究工作得到国家自然科学基金面上项目、国家重点研发计划项目资助。
图1 自循环渗流装置
图2 人工神经网络模型及模型预测结果对比
论文链接：https://www.sciencedirect.com/science/article/pii/S0032591020305684
