一种应用于简单几何下湍流梯度驱动回旋动力学系统中相位混合的学习型闭合方法

我们提出一种从动力学模拟数据中学习来构造闭合的新方法。我们将该方法应用于简单回旋动力学湍流系统——无剪切板中的温度梯度驱动湍流——中的相位混合。该闭合称为学习型多模（LMM）闭合，其构建方式为：首先利用奇异值分解（SVD）从非线性动力学模拟中提取最优基；随后将非线性流体模拟投影到该基上，并利用结果构造闭合。我们在相关二维参数空间（碰撞率与梯度驱动）的广阔范围内将该闭合与其他闭合方案进行比较。我们发现湍流动力学系统产生的相位混合率远低于线性预期，而LMM闭合能够捕捉此现象。我们还比较了径向热通量。推广至包含碰撞效应的Hammett-Perkins闭合在整个参数空间中相当成功，产生约14%的均方根（RMS）误差。LMM闭合亦非常有效：当在35点参数网格中的三点（两点）训练时，LMM闭合产生9%（12%）的RMS误差。LMM流程可轻易推广至其他闭合问题。