利用稀疏物理信息经验关系发现（SPIDER）从高度湍流数据学习流体物理
流体动力学
2024-11-20 v3 混沌动力学
数据分析、统计与概率
摘要
我们展示了如何通过结合三个简单且通用的要素——光滑性、局部性与对称性的物理假设、微分方程的弱形式以及稀疏回归——的混合方法，从观测数据中学习复杂物理现象的完整数学描述。为说明这一点，我们从描述三维高湍流通道流的数值数据中提取了描述不可压牛顿流体流动的控制方程系统——Navier-Stokes 方程、连续性方程与边界条件。这些关系具有偏微分方程的常见形式，易于解释，并能随时提供不同物理效应相对重要性的信息以及对数据质量的洞察，可作为有用的诊断工具。此处所述方法异常鲁棒，在很高噪声水平下仍给出准确结果，因而应非常适用于实验数据。
引用
@article{arxiv.2105.00048,
title = {Learning fluid physics from highly turbulent data using sparse physics-informed discovery of empirical relations (SPIDER)},
author = {Daniel R. Gurevich and Matthew R. Golden and Patrick A. K. Reinbold and Roman O. Grigoriev},
journal= {arXiv preprint arXiv:2105.00048},
year = {2024}
}