Nov, 2018

利用机器学习进行湍流流场的超分辨重建

PDF
TL;DR本文采用机器学习技术对流场数据进行超分辨率分析，提出了卷积神经网络（CNN）和基于下采样跳跃连接多尺度（DSC/MS）模型，通过对二维圆柱尾流等测试表明这些模型能从低分辨率流场数据中重建出高分辨率的流场，可大大提高计算流体力学中流体流动的空间分辨率和揭示复杂湍流物理。
machine learningsuper-resolution analysisturbulent flow fieldcnndsc/ms
发现论文，激发创造
  • 基于机器学习的湍流流场时空超分辨率重建

    本文介绍了一种利用监督式机器学习技术、灵感来源于超分辨率和插帧的新型湍流数据重建方法，通过卷积神经网络的多尺度模型，及时地将高分辨率的湍流流场从粗略的空间和时间数据中恢复出来，该方法在二维圆柱后流、二维衰减均匀同性湍流和三维涡旋管道流场的应用中得到了验证，表明其能够满足多种流场重建的需求。

    Apr, 2020

  • 利用物理知识驱动的卷积神经网络进行流体流动的超分辨率和去噪，不需要高分辨率标签

    利用卷积神经网络实现流场高分辨率重构，不需要高分辨率标签，能够提高空间分辨率并降低流场数据的噪声水平。

    Nov, 2020

  • 复杂地形中增强风场分辨率的机器学习

    利用神经网络方法实现在挪威 Bessaker 的实际风电场中将低分辨率风场提升为高分辨率风场，并展示该模型能够成功重构完全解析的三维速度场，并且优于三线性插值，同时通过适当的代价函数可以减少对对抗训练的使用。

    Sep, 2023

  • 基于深度学习的地质模型放大方法 —— 理论指导的卷积神经网络

    本论文通过使用深度学习的卷积神经网络方法，提高了地质模型上扩展方法的效率，实现了更快速的细尺度到粗尺度的转换。

    Dec, 2021

  • 基于动态深度学习的浅水方程超分辨率

    使用 ICON-O 海洋模型与 U-net 型神经网络对非线性浅水方程进行模拟，可以在每 12 小时纠正一次粗网格，从而实现与分辨率为 10km 的模拟具有相同离散化误差的 20km 分辨率模拟，这种方法对于模拟平衡流和湍流的转变具有较好的捕捉能力。

    Apr, 2024

  • 面向物理学信息的深度学习在湍流流场预测中的应用

    使用基于物理原理的 TensorFlow-net 深度学习模型，可以准确预测高效非线性动力学物理场，并且满足保守质量、模拟湍流动能和频谱等物理特征。

    Nov, 2019

  • 压缩卷积 LSTM：一种高效的深度学习框架，用于模拟高保真度的三维湍流

    提出了一种新的训练方法，用于减少维数和建模三维湍流的时空动力学，利用卷积自编码器和卷积 LSTM 神经网络组合，通过严格的基于物理的统计测试评估了湍流场的质量，并表明这种训练方法在计算资源开销的小部分情况下，生成了具有物理一致性的湍流场。

    Feb, 2019

  • 通过深度序列学习模型模拟三维各向同性湍流的时空实现

    本文使用数据驱动的方法，应用前沿的深度学习技术模拟三维湍流，考虑流体的物理约束，并使用向量量化自编码器等方法降低数据维度，应用 Transformer 网络预测流体运动趋势，所得结果优于其他网络，但不能完美还原小幅动态。

    Dec, 2021

  • 焦点中的湍流：使用 BLASTNet 2.0 数据对 3D 体积超分辨率的标杆性缩放行为进行基准测试

    BLASTNet 2.0 是一份包含 744 个全域样本的 2.2TB 数据集，来自于 34 个高保真直接数值模拟，地址了目前三维高保真可压湍流流动模拟数据稀缺的问题。通过对这个数据进行基准测试，我们评估了 49 种各不相同的五种深度学习方法在三维超分辨率方面的性能，该方法对于科学成像、模拟、湍流模型以及计算机视觉应用有所改进。我们对这些模型进行了神经缩放分析，以检验不同机器学习方法的性能，包括两种科学机器学习技术。我们证明了（i）预测性能可以随着模型规模和成本的增加而提高，（ii）体系结构对于较小的模型尤其重要，以及（iii）基于物理的损失函数的好处在模型规模增大时仍然存在。这项基准研究的成果预计将提供有助于设计三维超分辨率模型的见解，特别是对于湍流模型，同时此数据预计将促进广泛范围的流动物理应用中的机器学习方法。这些数据已公开可下载，并在此 https URL 提供了下载链接和浏览工具。

    Sep, 2023

  • 可微湍流 II

    利用可微流体模拟器和深度学习模型，开发了一种将深度学习模型整合到通用有限元数值方案中以求解 Naiver-Stokes 方程的框架，进而实现对子网尺度闭包的学习，该方法在流过倒角阶梯的多个实现中展示了与传统的大涡模拟相当的准确性，并且在相当于 10 倍速度提升的更细网格上进行测试。

    Jul, 2023