利用物理信息神经网络生成湍流态
流体动力学
2022-09-12 v1
摘要
在建模湍流流动时,往往存在关于强迫项或边界条件的信息不可得,或实现起来过于复杂和昂贵的情况。相反,某些流动特征,如平均速度剖面或其统计矩,可通过实验或观测获得。我们提出一种基于物理信息神经网络(physics-informed neural networks)的方法,在给定一组条件下生成湍流态。该物理信息方法确保最终态逼近有效流动。我们展示了受实验与大气问题启发的、可用于制备态的不同统计条件示例。最后,我们展示了两种缩放所制备态分辨率的方法。一种是通过使用多个并行神经网络;另一种使用 nudging(一种基于同步的数据同化技术,可利用专用数值求解器的能力)。
引用
@article{arxiv.2209.04285,
title = {Generation of Turbulent States using Physics-Informed Neural Networks},
author = {Sofia Angriman and Pablo Cobelli and Pablo Mininni and Martín Obligado and Patricio Clark Di Leoni},
journal= {arXiv preprint arXiv:2209.04285},
year = {2022}
}