PORTO @ 
Archivio Istituzionale della Ricerca
IRIS è la soluzione IT che facilita la raccolta e la gestione dei dati relativi alle attività e ai prodotti della ricerca. Fornisce a ricercatori, amministratori e valutatori gli strumenti per monitorare i risultati della ricerca, aumentarne la visibilità e allocare in modo efficace le risorse disponibili.
EnglishIn several applications concerning underground flow simulations in fractured media, the fractured rock matrix is modeled by means of the Discrete Fracture Network (DFN) model. The fractures are typically described through stochastic parameters sampled from known distributions. In this framework, it is worth considering the application of suitable complexity reduction techniques, also in view of possible uncertainty quantification analyses or other applications requiring a fast approximation of the flow through the network. Herein, we propose the application of Neural Networks to flux regression problems in a DFN characterized by stochastic trasmissivities as an approach to predict fluxes.
Machine learning for flux regression in discrete fracture networks / Berrone, S.; Della Santa, Francesco; Pieraccini, S.; Vaccarino, F.. - In: GEM. - ISSN 1869-2672. - ELETTRONICO. - 12:9(2021). [10.1007/s13137-021-00176-0]
| Titolo: | Machine learning for flux regression in discrete fracture networks | |
| Autori: | ||
| Data di pubblicazione: | 2021 | |
| Rivista: | ||
| Digital Object Identifier (DOI): | http://dx.doi.org/10.1007/s13137-021-00176-0 | |
| Appare nelle tipologie: | 1.1 Articolo in rivista |
File in questo prodotto:
| File | Descrizione | Tipologia | Licenza | |
|---|---|---|---|---|
| Berrone2021_Article_MachineLearningForFluxRegressi.pdf | Articolo principale in versione editoriale (open access) | 2a Post-print versione editoriale / Version of Record |  | Visibile a tuttiVisualizza/Apri |
http://hdl.handle.net/11583/2724492
Copyright © 2022