湍流边界层下壁面压力谱的人工神经网络建模
流体动力学
2022-03-14 v1
摘要
我们分析并比较了湍流边界层下壁面压力谱的各种经验模型，并提出了一种使用人工神经网络（ANN）的替代机器学习方法。ANN的分析和训练基于多位作者的实验和高保真模拟数据，涵盖了广泛的流动条件。我们提出了一种提取这些模型所需的所有湍流边界层参数的方法，同时也考虑了经历强逆压梯度的流动。此外，探索了该数据库以揭示边界层参数内的重要依赖关系，并提出了ANN应从中预测壁面压力谱的一组可能特征。结果表明，ANN在逆压梯度下优于传统模型，并且其预测能力在所研究条件范围内具有更好的泛化性。分析通过深度集成方法量化模型预测中的不确定性以及模型对其输入的积分梯度敏感性分析得以完成。不确定性和敏感性有助于识别新训练数据对模型精度最有益的区域，从而开辟了通往自校准建模方法的道路。
引用
@article{arxiv.2201.03262,
title = {Artificial Neural Networks Modelling of Wall Pressure Spectra Beneath Turbulent Boundary Layers},
author = {J. Dominique and J. Van den Berghe and C. Schram and M. A. Mendez},
journal= {arXiv preprint arXiv:2201.03262},
year = {2022}
}
备注
18 pages, 14 figures, submitted for review to Physics of Fluids, code accessible at https://github.com/DominiqueVKI/VKI_researchWPS