turbulent flow | BriefGPT - AI 论文速递

关键词turbulent flow

搜索结果 - 7

一种稳定的基于包装器的参数选择方法，用于高效的基于人工神经网络的数据驱动湍流建模
通过人工神经网络和梯度衍生子集选择的方法，本研究分析和开发了一种用于建模复杂湍流流动和热传递现象的缩减建模方法。该方法在移除冗余或不相关参数方面优于其他方法，但人工神经网络训练中的过拟合和随机性可能导致在更高物理维度上实现不一致的子集选择。
PDFa year ago
基于 RANS-PINN 的模拟替代模型用于预测湍流流场
本文介绍了一种修改过的 PINN 框架 RANS-PINN，用于在高雷诺数的湍流流动条件下预测流场（即速度和压力），并采用一种新的训练方法来确保损失函数各组成部分的有效初始化和平衡。
PDFa year ago
AAAI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。
PDF3 years ago
二维湍流中通过被动标量传输学习离散化
使用机器学习方法来学习保持高准确性的数值离散化，适用于 t 字形湍流下的被动标量平流，与传统高阶通量限制平流求解器保持相同的精度，但在每个维度使用 4 倍较低的网格分辨率，并能通过卷积滤波器在 CPU 和加速器上实现接近峰值硬件利用率。
PDF4 years ago
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。
PDF5 years ago
GNAT 方法用于非线性模型简化：有效实施及应用于计算流体动力学和湍流
GNAT 方法是一种非线性模型简化方法，它使用 Petrov-Galerkin 投影进行维数减小，并使用基于 “gappy POD” 技术的超简化过程来提供计算效率，适用于大规模计算流体动力学计算中准确度高，且可将计算资源需求降低两个数量级
PDF12 years ago
高斯乘法混沌重访
本研究扩展了 Rd 中正定函数的乘法混沌理论，构建了简单通用的理论，其主要应用于解释湍流中能量耗散的 Kolmogorov-Obukhov 模型。
PDF16 years ago