نظرًا للمشاكل التي تواجهها الطرق التقليدية في وصف عدم تجانس طبقات المياه الجوفية، مثل قلة الدقة وتكلفة التنبؤ العالية، ومن خلال المحاكاة العددية وتجارب صندوق الرمل المختبرية، تم اقتراح خوارزمية تعلم عميق تدمج الآليات الفيزيائية تسمى نموذج DL-ERT. تعتمد هذه الخوارزمية على تحسين الشبكات المتبقية لدمج القدرة القوية لشبكة CNN-GRU على تعلم البيانات، مع مزايا استخدام المعلومات السابقة الفيزيائية في تقنية التصوير بالاستقامة الكهربائية (ERT). تم مقارنة النموذج مع عدة نماذج تقليدية وإجراء دراسة عن دقة الوصف لمعامل النفاذية في طبقات المياه الجوفية. أظهرت النتائج: (1) خسارة التدريب وفقدان التحقق للنموذج انخفضت بسرعة واقتربت من الصفر، مع تقارب متزامن بينهما، مما يدل على أن استراتيجية بناء نموذج DL-ERT ممتازة وقادرة على تعلم ميزات البيانات بسرعة وفعالية؛ (2) باستخدام عينة من مجموعة اختبار واحدة، تمت مقارنة خرائط استدعاء معامل النفاذية بين ERT وCNN-GRU وDL-ERT، ووجد أن النماذج الأحادية لا تستطيع وصف مناطق النفاذية العالية على الجانبين الأيسر والأيمن في الوقت نفسه، بينما أظهر DL-ERT قدرة تنبؤية كبيرة في المناطق عالية النفاذية حيث بلغ دقة التوفيق 0.906؛ (3) تم إجراء تجارب صندوق الرمل المختبرية لمقارنة الخوارزمية المدمجة مع طريقة التداخل كريجنج التقليدية وCNN-GRU وERT، وكانت دقة التوفيق لكل نموذج على التوالي 0.895 و0.707 و0.760 و0.836. يمكن ملاحظة أن DL-ERT عوض حتى حد معين عيوب الخوارزميات الأحادية، وأدى إلى تحسين دقة التنبؤ بنسبة 7% إلى 17% مقارنة بـ CNN-GRU وERT فقط، مما يدل على إمكانات النموذج في التطبيقات الهندسية.

معامل النفاذية؛ التصوير بالاستقامة الكهربائية؛ وحدة التكرار ذات البوابة التلافيفية؛ القوانين الفيزيائية؛ التنقيب العكسي والتنبؤ