基于稀疏符号回归的代数雷诺应力模型发现
计算物理
2020-04-20 v2
摘要
** 本文已发表（开放获取）。** 介绍了一种新颖的确定性符号回归方法 SpaRTA（湍流应力各向异性稀疏回归），用于直接从高保真 LES 或 DNS 数据推断代数应力模型以封闭 RANS 方程。模型写为张量多项式，并由候选函数库构建。该机器学习方法基于弹性网络正则化，可促进推断模型的稀疏性。通过数据驱动，该方法放宽了模型开发过程中通常所做的假设。对三个分离流算例进行了模型发现与交叉验证，即周期山（=10595）、收扩通道（=12600）和弯曲后向台阶（=13700）。所发现模型的预测较 - SST 有显著改进，且在 =37000 的周期山流动真实预测中亦如此。本研究展示了 SpaRTA 用于快速机器学习标准 RANS 湍流模型鲁棒修正的系统性评估。
引用
@article{arxiv.1905.07510,
title = {Discovery of Algebraic Reynolds-Stress Models Using Sparse Symbolic Regression},
author = {Martin Schmelzer and Richard P. Dwight and Paola Cinnella},
journal= {arXiv preprint arXiv:1905.07510},
year = {2020}
}
备注
Citation: Schmelzer, M., Dwight, R.P. and Cinnella, P. Discovery of Algebraic Reynolds-Stress Models Using Sparse Symbolic Regression Flow Turbulence Combustion 104, 579-603 (2020). https://doi.org/10.1007/s10494-019-00089-x