基于深度自编码器回声状态网络框架的湍流槽道-多孔介质耦合流建模
流体动力学
2023-12-06 v1
摘要
在本研究中,我们提出一种新方法,即卷积深度自编码器回声状态网络(CDAE ESN)模型,用于分析和预测湍流槽道-多孔介质耦合流中的动态特性与低阶统计。此类系统在工业环境中有广泛应用,包括发汗冷却与智能界面工程。然而,耦合流动系统的复杂几何结构给纯数据驱动模型带来了额外挑战。我们的结果表明,深度自编码器与回声状态网络技术的结合能够有效建模和预测主导流动行为,尤其是在呈现层流状态的多孔域内部。为增强模型在更宽泛数据域上的适用性,我们进一步在涵盖不同孔隙率的数据集上进行了微调。所得平均统计显示出合理的一致性,凸显了我们提出方法的有效性。
引用
@article{arxiv.2312.00850,
title = {Modeling of Coupled Turbulent Channel Porous Media Flow through a Deep Autoencoder Echo State Network Framework},
author = {Xu Chu and Sandeep Pandey and Yanchao Liu and Bernhard Weigand},
journal= {arXiv preprint arXiv:2312.00850},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2311.15600; text overlap with arXiv:2312.00527