用于可压缩 Rayleigh-Taylor 湍流大涡模拟的傅里叶神经算子
流体动力学
2024-07-03 v2
摘要
将傅里叶神经算子(FNO)框架应用于 Atwood 数 、分层参数 、Reynolds 数 和 30000 的可混溶流体三维可压缩 Rayleigh-Taylor(RT)湍流的大涡模拟(LES)。FNO 模型首次被用于预测三维可压缩湍流。使用均方根值对不同物理场量级进行归一化,以便于 FNO 模型的训练。在 \emph{a posteriori} 测试中,FNO 模型在预测各种统计量和瞬时结构方面优于速度梯度模型(VGM)、动态 Smagorinsky 模型(DSM)和隐式大涡模拟(ILES),并且在预测温度场和速度散度方面明显优于传统 LES 方法。此外,FNO 模型的计算效率远高于传统 LES 方法。在 \emph{a posteriori} 测试中,使用短时间、低 Reynolds 数数据训练的 FNO 模型在更长时间预测和更高 Reynolds 数上表现出良好的泛化性能。
引用
@article{arxiv.2404.05834,
title = {Fourier neural operator for large eddy simulation of compressible Rayleigh-Taylor turbulence},
author = {Tengfei Luo and Zhijie Li and Zelong Yuan and Wenhui Peng and Tianyuan Liu and Liangzhu and Wang and Jianchun Wang},
journal= {arXiv preprint arXiv:2404.05834},
year = {2024}
}