基于隐式 U-Net 增强傅里叶神经算子的湍流长期预测
流体动力学
2023-08-02 v3 数学物理
math.MP
混沌动力学
计算物理
摘要
三维（3D）湍流非线性动力学的长期预测对机器学习方法而言极具挑战性。本文提出了一种隐式 U-Net 增强傅里叶神经算子（IU-FNO），用于稳定高效地预测湍流的长期大尺度动力学。IU-FNO 模型采用隐式循环傅里叶层以实现更深的网络扩展，并结合 U-Net 网络以准确预测小尺度流动结构。该模型在三种 3D 湍流的大涡模拟中进行了系统测试，包括强迫均匀各向同性湍流（HIT）、时间演化湍流混合层以及衰减均匀各向同性湍流。数值模拟表明，在预测包括速度谱、涡量和速度增量的概率密度函数（PDF）以及流场瞬时空间结构在内的多种统计量时，IU-FNO 模型比其他基于 FNO 的模型（包括普通 FNO、隐式 FNO（IFNO）和 U-Net 增强型 FNO（U-FNO））以及动态 Smagorinsky 模型（DSM）更为准确。此外，IU-FNO 改进了长期稳定预测，这是以往版本的 FNO 未能实现的。另外，所提出的模型比使用 DSM 模型的传统 LES 快得多，并且能很好地泛化至更高 Taylor-Reynolds 数和未见过的衰减湍流流态的情况。
引用
@article{arxiv.2305.10215,
title = {Long-term predictions of turbulence by implicit U-Net enhanced Fourier neural operator},
author = {Zhijie Li and Wenhui Peng and Zelong Yuan and Jianchun Wang},
journal= {arXiv preprint arXiv:2305.10215},
year = {2023}
}
备注
45 pages, 21 figures