基于动力学的库埃特流转捩机器学习
流体动力学
2022-08-30 v2 混沌动力学
摘要
我们为最常被研究的典型剪切流之一——平面库埃特流（plane Couette flow）中精确相干态（ECSs）之间的转捩推导了低维数据驱动模型。这些一维或二维非线性模型表示吸引谱子流形（SSMs）上的主导阶降维动力学，我们使用最近开发的SSMLearn算法从少量模拟转捩中构造它们。我们发现能量输入和输出率对这些最重要的SSMs提供了高效的参数化。通过将动力学限制在这些SSMs上，我们获得了降阶模型，这些模型也能可靠地预测附近、不在其训练中用到的离SSM转捩。
引用
@article{arxiv.2203.13098,
title = {Dynamics-based machine learning of transitions in Couette flow},
author = {Bálint Kaszás and Mattia Cenedese and George Haller},
journal= {arXiv preprint arXiv:2203.13098},
year = {2022}
}
备注
Accepted version