Jul, 2018
使用贝叶斯深度神经网络量化雷诺平均湍流模型的形式不确定性
Quantifying model form uncertainty in Reynolds-averaged turbulence models with Bayesian deep neural networks
Nicholas Geneva, Nicholas Zabaras
TL;DR本文介绍了一种新颖的数据驱动框架,使用不变的贝叶斯深度神经网络以及蒙特卡罗方法对流体量,比如速度和压力提供概率边界,并且在两个测试用例中进行结果呈现。该框架不仅可以提高 RANS 计算预测结果的准确性,而且还允许在没有高保真度观察或先验知识的流中,对模型置信度和不确定性进行定量测量。