结合直接和间接稀疏数据用于学习可推广的湍流模型
摘要：通过观测数据学习湍流模型对于发现适用于广泛实际流动应用的统一模型具有重要意义。直接观测雷诺应力或间接观测速度已被用于提高湍流模型的预测能力。在这项工作中，我们提出将直接和间接稀疏数据结合起来训练基于神经网络的湍流模型。使用反向传播技术和观测增强方法在统一的基于集成的框架中训练具有不同观测数据的湍流模型。这两种类型的观测数据可以在不同的观测空间中探索协同作用，从而能够从非常稀疏的数据中学习可推广的模型。目前的方法在正方形导管中的二次流和周期性山丘上的分离流中进行了测试。两种情况都表明，相比仅使用间接数据，将直接和间接观测结合起来能够提高在类似流动配置中学到模型的可推广性。基于集成的方法可以作为一种从不同类型观测中学习模型的实用工具，因为它的非侵入性和无导数性质。
作者：Xin-Lei Zhang, Heng Xiao, Xiaodong Luo, Guowei He
论文ID：2305.14759
分类：Fluid Dynamics
分类简称：physics.flu-dyn
提交时间：2023-07-19