基于潜在扩散模型从空间有限观测重建大气边界层集合流场

由于成本与实际限制，大气边界层中的野外观测活动通常仅能测量感兴趣大气体积的一小部分。机器学习技术此前已成功重建典型流体力学问题及二维地球物理流中未观测到的流场区域，但这些技术尚未在三维大气边界层中得以验证。本文利用大涡模拟开展了一项空间有限观测野外活动的数值类比研究。我们将流场重建表述为修复（inpainting）问题，并借助潜在扩散模型重建出真实的三维湍流样本。即便输入观测覆盖体积不足1%，该扩散模型仍能在较大空间尺度上生成物理上合理的湍流结构。通过定性可视化与定量评估相结合，我们证明当仅以单一观测为条件时，扩散模型能生成具有显著多样性的样本。这些样本可成功作为大涡模拟代码的初始条件。我们发现扩散模型在其它湍流流场重建问题中亦具应用前景与潜力。