结合非线性ROM的核岭回归：用于重建带有不连续性的流场
流体动力学
2025-07-24 v1
摘要
非线性简化模型 (ROM)，表示为流形学习 (ML)，可有效提高对带有不连续性的非线性流场的建模精度。然而，从低维流形坐标到高维流场的反向映射常会引入显著的重建误差，导致不连续性位置不准确。为此，提出了一种新型重建方法，以增强对带不连续性的流场重建的准确性。该方法采用核岭回归 (KRR) 构建一组富含不连续性信息的非线性模式，随后这些模式与流形坐标非线性组合，以实现准确的流场重建。该方法的提出重建方法经对RAE2822机翼的跨音速流场进行验证。比较结果表明，该方法在重建带不连续性的流场方面优于现有方法，尤其在精确捕捉不连续性方面表现突出。这一工作为提高非线性ROM在不连续流场建模中的准确性提供了一种有效且高度可解释的解决方案。
引用
@article{arxiv.2502.11363,
title = {A Kernel Ridge Regression Combining Nonlinear ROMs for Accurate Flow Field Reconstruction with Discontinuities},
author = {Weiji Wang and Chunlin Gong and Xuyi Jia and Chunna Li},
journal= {arXiv preprint arXiv:2502.11363},
year = {2025}
}