Mar, 2024
基于混合机器学习方法的随机参数简化模型
Stochastic parameter reduced-order model based on hybrid machine
learning approaches
TL;DR建立适当的数学模型来研究自然现象中的复杂系统不仅有助于加深对自然的理解，还可以用于状态估计和预测。然而，自然现象的极端复杂性使得发展全阶模型并将其应用于研究多个感兴趣的量非常具有挑战性。相反，适当的降阶模型由于其高计算效率和描述自然现象的关键动态和统计特性的能力而备受青睐。以粘性Burgers方程为例，本文构建了一个卷积自编码器-蓄积计算-归一化流算法框架，其中卷积自编码器用于构建潜空间表示，蓄积计算-归一化流框架用于描述潜状态变量的演化。通过这种方式，构建了一个数据驱动的随机参数降阶模型来描述复杂系统及其动态行为。