三维矩形六面体上基于决策树的流体矩（DTMOF）方法

流体矩（MOF）方法是对带分段线性界面构造的体积-of-流体方法（VOF-PLIC）的扩展。通过最小化切割多面体的质心最小二乘误差，MOF 方法无需使用任何邻域信息即可重建线性界面。传统 MOF 在寻找优化线性重建时涉及迭代。此处，我们提出一种基于机器学习算法——决策树算法的替代方法。训练数据集由单位立方体被平面随机切割的列表生成。决策树算法从训练数据中提取输入输出关系，从而所得函数直接确定重建平面的法向量，无需任何迭代。本方法在一组流行的界面平流测试问题上进行了测试。数值结果表明，我们的方法比基于迭代的 MOF 方法快得多，同时提供与传统 MOF 方法相容的精度。