基于机器学习的磁流体力学波检测
流体动力学
2022-10-26 v1 机器学习
应用物理
摘要
磁流体力学(MHD)中的非线性波相互作用,例如倾斜密度界面上的激波折射,会产生大量具有多种波类型的波图样。在此类复杂波图样中,辨识不同类型的MHD波是一项重要且具挑战性的任务。此外,由于不同系统解的多重性及其可容许性,尤其对于中间型MHD激波,若仅依赖Rankine-Hugoniot跳跃条件,则MHD波类型的辨识十分复杂。数值模拟中不连续激波的非物理抹平进一步加剧了MHD波检测的难度。我们提出两种基于卷积神经网络(CNN)的MHD波检测方法,可实现波的分类与位置辨识。第一种方法将输出拆分为回归(位置预测)与分类问题,假定每条训练数据的波数固定。第二种方法中,波数不预先指定,算法仅用回归预测波的位置并分类其类型。第一种固定输出模型高效提供高精确率与召回率,整个神经网络的准确率可达0.99,部分波的分类精度接近1。第二种检测模型性能相对较低,对参数设置更为敏感,如网格单元数N_{grid}、置信度分数与类概率阈值等。所提两种方法在若干复杂波结构及相互作用的MHD波检测中展现出极强应用潜力。
引用
@article{arxiv.2206.07334,
title = {Detection of magnetohydrodynamic waves by using machine learning},
author = {Fang Chen and Ravi Samtaney},
journal= {arXiv preprint arXiv:2206.07334},
year = {2022}
}