基于空间相关聚合与降序模型的湍流流动高效精确替代模型
数值分析
2026-03-18 v1 数值分析
流体动力学
摘要
湍流流动仿真中广泛使用再ynolds平均Navier-Stokes (RANS) 模型，由于其计算效率高，但其准确性强烈依赖于所选取的湍流闭合模型，且在流动域内可能有所不同。空间相关模型聚合被证明可通过组合多种湍流模型来提高RANS预测准确性，但代价是需要多次高保真仿真。本文的第一项创新在于构建一个统一框架，将不同的湍流模型、空间相关聚合和非侵入式降序模型结合起来，以实现准确性和效率。提出两种聚合管线：一种是混合FOM-ROM (MFR) 方法，即在聚合后的RANS解上训练降序模型；另一种是混合-ROM (MR) 方法，即直接聚合多个基于不同RANS全序模型构建的降序模型。第二项创新在于通过神经网络学习聚合权重，该网络提供平滑、空间连续的权重，并相对于标准加权技术提高了泛化性能。所得替代模型在二维周期坡道基准及高度相关坡道流动仿真中均得到验证，显示在接近实时计算成本下，相较于单个RANS和ROM预测显著提高了准确性。
引用
@article{arxiv.2603.15816,
title = {Efficient and Accurate Surrogate Modeling of Turbulent Flows via Space-Dependent Aggregation and Reduced Order Models},
author = {Piero Zappi and Anna Ivagnes and Niccolò Tonicello and Gianluigi Rozza},
journal= {arXiv preprint arXiv:2603.15816},
year = {2026}
}