基于条件流匹配的近壁湍流生成模型：置信区间量化
流体动力学
2025-04-22 v1
摘要
从壁面测量重建近壁湍流是壁面受限流动中一个关键且固有难题，其中受限的探测手段和壁-流耦合的空间异质性挑战了确定性估计方法。为此，我们提出一种新型生成模型框架，基于条件流匹配合成来自壁面观察的瞬时速度涡动场，并显式量化预测不确定性。该方法将连续时间流匹配与基于 SWAG 的概率前向算子相集成，实现无需模型再训练即可进行零样本条件生成。我们展示，该方法不仅能够在近壁区域恢复物理上真实、统计上一致的湍流结构，还能有效适应各种传感器配置，包括稀疏、不完整和低分辨率的壁面测量。该模型在置信区间意识下的鲁棒重建中表现出色，能够在显著降低可观测性下保持流动间歇性和结构特征。与经典线性随机估计 (LSE) 和确定性卷积神经网络 (CNN) 方法相比，我们的随机生成学习框架在测量稀疏性下具备更好的泛化能力和鲁棒性，并实现置信区间量化。这一工作建立了一种稳健的半监督生成模型范式，用于数据一致的流重建，为面向不确定性感知的、传感器驱动的壁面湍流建模奠定了基础。
引用
@article{arxiv.2504.14485,
title = {Conditional flow matching for generative modeling of near-wall turbulence with quantified uncertainty},
author = {Meet Hemant Parikh and Xiantao Fan and Jian-Xun Wang},
journal= {arXiv preprint arXiv:2504.14485},
year = {2025}
}