一种用于参数化非线性流体流动建模的先进混合深度对抗自编码器
流体动力学
2020-10-13 v1 图像与视频处理
信号处理
摘要
考虑到传统计算流体动力学模拟产生的高计算成本，近年来机器学习方法已被引入流动动力学模拟。然而，多数研究主要关注已有流体场学习，在变化参数化空间中时空非线性流体流的预测被忽视。本工作中，我们提出一种混合深度对抗自编码器(DAA)，集成生成对抗网络(GAN)与变分自编码器(VAE)，用于预测时空中的参数化非线性流体流。高维输入由卷积编码器中的非线性函数压缩为低表示表征。以此方式，在卷积解码器中重建的预测流体流包含高非线性和混沌性质的动态流动物理。此外，低表示表征被应用于对抗网络进行模型训练与参数优化，从而实现快速计算过程。该混合DAA的能力通过水坍塌算例中变化输入的演示得到证明。数值结果表明，该混合DAA成功捕获了时空流动特征，CPU加速达三个数量级。有前景的结果表明，混合DAA可在未来高效且准确地预测复杂流动中发挥关键作用。
引用
@article{arxiv.2003.10547,
title = {An advanced hybrid deep adversarial autoencoder for parameterized nonlinear fluid flow modelling},
author = {M. Cheng and F. Fang and C. C. Pain and I. M. Navon},
journal= {arXiv preprint arXiv:2003.10547},
year = {2020}
}