使用分离训练改进 RANS 方程的向量基神经网络

我们提出了一种新的数据驱动湍流模型，用于雷诺平均纳维-斯托克斯方程，称为 $\nu_t$-向量基神经网络。这个新模型基于已有的向量基神经网络，分别预测湍流粘度 $\nu_t$ 和未在 $\nu_t$ 中考虑的雷诺力矢量贡献。在方形管道流动上的数值实验表明，与参考模型相比，新模型具有更好的精度。