凹表面冲击射流换热的预测代理模型
数值分析
2024-02-19 v1 计算工程、金融与科学
机器学习
数值分析
摘要
本文旨在全面研究各种模型降阶 (MOR) 和深度学习技术在预测脉冲射流冲击凹表面换热方面的有效性。在先前涉及脉冲圆形射流的实验和数值研究基础上，本研究进一步评估了针对不同射流特性的换热预测代理模型 (PSM)。为此，本文引入了两种预测方法：一种采用快速傅里叶变换增强的人工神经网络 (FFT-ANN)，用于预测恒频场景下的平均努塞尔数；另一种引入了本征正交分解与长短期记忆网络 (POD-LSTM) 相结合的方法，用于随机频率冲击射流。POD-LSTM 方法被证明是预测随机频率冲击场景下局部换热率的稳健解决方案，能够捕捉时间模态的趋势和数值。对这些方法的比较突显了先进机器学习技术在模拟复杂换热现象方面的多功能性和有效性。
引用
@article{arxiv.2402.10641,
title = {A Predictive Surrogate Model for Heat Transfer of an Impinging Jet on a Concave Surface},
author = {Sajad Salavatidezfouli and Saeid Rakhsha and Armin Sheidani and Giovanni Stabile and Gianluigi Rozza},
journal= {arXiv preprint arXiv:2402.10641},
year = {2024}
}