基于动力学嵌入条件生成对抗网络的数据驱动建模参数化非线性流体动力学系统
机器学习
2024-12-25 v1 混沌动力学
摘要
本工作提出了一种数据驱动方法，用于使用动力学嵌入条件生成对抗网络(Dyn-cGAN)作为代理模型来准确预测参数化非线性流体动力学系统。Dyn-cGAN包括modified条件生成对抗网络中的动力学模块，使能够同时识别时间动力学及其对系统参数的依赖性。所学得的Dyn-cGAN模型考虑系统参数，以准确预测系统的流场。我们通过数值研究各种参数化非线性流体动力学系统的有效性和局限性，包括不同雷诺数下的流经圆柱体和二维腔体问题。此外，我们检查了雷诺数对两种案例研究预测准确性的影响。我们还研究了动力学模块训练中涉及的时间步数对预测准确性的影响，发现存在基于误差和相互信息相对于真实值的最优值。
引用
@article{arxiv.2412.17978,
title = {Data-driven Modeling of Parameterized Nonlinear Fluid Dynamical Systems with a Dynamics-embedded Conditional Generative Adversarial Network},
author = {Abdolvahhab Rostamijavanani and Shanwu Li and Yongchao Yang},
journal= {arXiv preprint arXiv:2412.17978},
year = {2024}
}