应用于腔体内自然对流流的基于人工神经网络的迁移学习元模型
计算物理
2020-10-15 v2 机器学习
摘要
在本文中，我们采用迁移学习技术预测腔体内自然对流流的努塞尔数。具体地，我们考虑了具有绝热水平壁和恒温垂直壁的二维方形腔体的基准问题。瑞利数和普朗特数足以对该问题进行数值模拟。我们采用两种方法来解决此问题：首先，我们利用多网格数据集以经济高效的方式训练我们的人工神经网络。通过监测该数据集的训练损失，我们检测到源于网格尺寸不足的显著异常，并通过改变网格尺寸或添加更多数据进一步修正。其次，我们寻求通过利用深度神经网络进行迁移学习，赋予元模型考虑附加输入特征的能力。我们训练了具有单一输入特征（瑞利）的神经网络，并将其扩展以纳入第二特征（普朗特）的影响。我们还考虑了中空腔体的情况，证明我们的学习框架可应用于具有更高物理复杂度的系统，同时降低计算与训练成本。
引用
@article{arxiv.2008.12483,
title = {A transfer learning metamodel using artificial neural networks applied to natural convection flows in enclosures},
author = {Majid Ashouri and Alireza Hashemi},
journal= {arXiv preprint arXiv:2008.12483},
year = {2020}
}