一种用于湍流盲反卷积的神经网络方法
流体动力学
2018-01-29 v2 混沌动力学
摘要
我们提出了一种通过监督学习方法训练的单层前馈人工神经网络架构，用于从流变量的粗粒度计算（如大涡模拟中遇到的那些）中进行反卷积。我们强调，本研究中提出的反卷积过程是盲的，即计算反卷积场时无需关于滤波过程或核的任何先验信息。这在概念上可与著名的近似反卷积方法形成对比，后者为迭代反卷积过程预定义了滤波器形状。我们证明，所提出的盲反卷积网络在二维Kraichnan湍流和三维Kolmogorov湍流的先验测试中表现极为出色，并有望成为纳维-斯托克斯方程物理增强数据驱动闭合的骨干。
引用
@article{arxiv.1706.00912,
title = {A neural network approach for the blind deconvolution of turbulent flows},
author = {Romit Maulik and Omer San},
journal= {arXiv preprint arXiv:1706.00912},
year = {2018}
}