储层计算对通量驱动二维对流的泛化能力
流体动力学
2022-11-23 v3
摘要
我们探究了作为降阶动力学模型用于预测通量驱动二维湍流对流的回声状态网络的泛化性质。为此，我们考虑一个固定高度的对流区域，其上下边界具有可变浮力通量比，这相较于标准 Rayleigh-Bénard 情形打破了上下对称性，从而导致跨层的高度不对称的平均与涨落剖面。我们的直接数值模拟模型以简单方式描述了对流边界层。数据被用于训练和测试以回声状态网络形式的递归神经网络。回声状态网络的输入以两种不同方式获得，或通过本征正交分解，或通过卷积自编码器。在两种情况下，回声状态网络都再现了湍流动力学与浮力通量的统计性质，并能够对具有不同通量比的未见过数据记录建模。
引用
@article{arxiv.2108.06195,
title = {Generalizability of reservoir computing for flux-driven two-dimensional convection},
author = {Florian Heyder and Juan Pedro Mellado and Jörg Schumacher},
journal= {arXiv preprint arXiv:2108.06195},
year = {2022}
}