基于 POD-Galerkin 与储备计算的脑血管力学模型秩序减小
数值分析
2026-03-20 v1 机器学习
数值分析
摘要
我们研究了用于模拟脑血管系统中不稳定血流力学的模型秩序减小（MOR）策略，比较了基于物理的侵入式方法与数据驱动的非侵入式框架。首先对理想的 basilar 动脉分支的高保真 3D 计算流体动力学（CFD）快照进行压缩，构建低维潜在空间。我们评估了一种 POD-Galerkin（POD-G）模型，它将纳维尔-斯蒂克斯方程投影到简化基上，与一种 POD-储备计算（POD-RC）模型进行比较，后者通过循环结构学习系数随时间的演化。引入多谐波和多幅度训练信号以提高训练效率。两种方法相对于完整模型实现约 10^2~10^3 倍的计算加速，表明它们作为预测流量量，如壁面剪切应力的高效且准确的替代方案具有潜力。
关键词
引用
@article{arxiv.2603.18837,
title = {Model Order Reduction of Cerebrovascular Hemodynamics Using POD_Galerkin and Reservoir Computing_based Approach},
author = {Rahul Halder and Arash Hajisharifi and Kabir Bakhshaei and Gianluigi Rozza},
journal= {arXiv preprint arXiv:2603.18837},
year = {2026}
}
备注
24 pages, 15 figures