预测等效砂粒尺寸及识别与阻力相关的粗糙度尺度--一种数据驱动方法
摘要：基于机器学习的数据驱动模型的等效砂粒粗糙度大小k_s的预测。使用来自直接数值模拟（DNS）的训练数据，通过计算85个多尺度不规则粗糙度样本上的摩擦雷诺数Re_au = 800的湍流流动。通过样本的信息量确定选择样本的多样性的利用。使用三个不同类型的粗糙度的不同测试数据集验证模型的广义能力。模型在不同测试数据集上的平均误差为5\%到10\%。然后，使用分层适用性传播技术测量不同粗糙波长对预测的k_s的贡献。然后对粗糙度PS进行高通滤波，排除与阻力无关的波数。最后，使用DNS对过滤后的粗糙表面进行研究，并证明原始粗糙度的摩擦系数成功保留。
作者：Jiasheng Yang, Alexander Stroh, Sangseung Lee, Shervin Bagheri, Bettina Frohnapfel and Pourya Forooghi
论文ID：2304.08958
分类：Fluid Dynamics
分类简称：physics.flu-dyn
提交时间：2023-08-29