机器学习算法在温度场重构中的应用
机器学习
2025-02-21 v1 流体动力学
摘要
本研究关注水库水温的分层模式与动态演变，旨在利用有限且含噪声的局部测量数据来估计和重构温度场。由于测量环境复杂和技术限制，获取水库的完整温度信息极具挑战性。因此，从少量局部数据点准确重构温度场已成为一个关键科学问题。为解决此问题，本研究采用本征正交分解和稀疏表示方法，基于有限数量局部测量点的温度数据重构温度场。结果表明，当 POD 基函数数量设为 2 且测量点数量为 10 时，即可实现令人满意的重构。在不同取水深度下，POD 和稀疏表示方法的重构误差均稳定在 0.15 左右，充分验证了这些方法在基于有限局部温度数据重构温度场方面的有效性。此外，本研究进一步探讨了 POD 和稀疏表示方法在不同水位区间下的重构误差分布特征，分析了该情形下的最优测量点布局方案及重构方法的潜在局限性。本研究不仅有效降低了测量成本和计算资源消耗，还为水库温度分析提供了一种新的技术途径，具有重要的理论与实际意义。
引用
@article{arxiv.2502.13190,
title = {Application of machine learning algorithm in temperature field reconstruction},
author = {Qianyu He and Huaiwei Sun and Yubo Li and Zhiwen You and Qiming Zheng and Yinghan Huang and Sipeng Zhu and Fengyu Wang},
journal= {arXiv preprint arXiv:2502.13190},
year = {2025}
}