Apr, 2024
探索利用模态分解的混合方法比全深度学习模型更有效的流体动力学预测
Exploring the efficacy of a hybrid approach with modal decomposition
over fully deep learning models for flow dynamics forecasting
TL;DR本研究通过应用时间序列预测到流体动力学问题中，测试了基于深度学习的三种自回归模型，其中一个是与深度学习相结合的混合模型。研究发现，混合模型在具有湍流特性的实验数据中产生更可靠的预测，因为它借助模态分解从物理学角度提取了物理特征，从而实现了对流体动力学的预测。