用格子 Boltzmann 方法与人工神经网络估计绕柱流动的雷诺数

本工作研究人工神经网络（ANNs）在估计绕柱流动雷诺（Re）数中的应用。训练 ANN 所需的数据由我们自行实现的格子 Boltzmann 方法（LBM）代码生成，该代码对二维绕柱流动进行模拟。作为模拟结果，我们获得了流体在距障碍物不同距离处测得的 120 个不同 Re 值下的速度场（$\vec{v}$）与涡量（$\vec{\nabla}\times\vec{v}$），并用其教导 ANN 预测 Re。网络预测的结果显示出良好精度，在所有研究案例中误差小于 $4\%$。该方法的一个可能应用是开发一种表征阻塞流动管道的高效工具。