用于地球物理湍流降阶建模的极限学习机
流体动力学
2018-05-09 v2 计算物理
摘要
我们研究应用人工神经网络来稳定基于本征正交分解的准定常地球物理湍流降阶模型。引入极限学习机概念以动态计算涡黏闭合,从而纳入被截断模态的效应。我们考虑一个四涡风生海洋环流问题作为原型设置,以评估所提数据驱动方法的性能。我们的框架显著减少了计算时间,并在前向模拟期超出训练数据集时有效保留了全阶模型的动力学。此外,我们表明该方法对更大时间步长选择具有鲁棒性,并可用作通用环流模型长时间积分的高效可靠工具。
引用
@article{arxiv.1803.00222,
title = {Extreme learning machine for reduced order modeling of turbulent geophysical flows},
author = {Omer San and Romit Maulik},
journal= {arXiv preprint arXiv:1803.00222},
year = {2018}
}