基于近似贝叶斯计算的RANS模型参数估计
流体动力学
2020-11-04 v1
摘要
我们使用近似贝叶斯计算(ABC)来估计湍流雷诺平均Navier-Stokes(RANS)模拟中未知参数值及其不确定性。ABC方法近似模型参数的后验分布，但不需要直接计算或估计似然函数。与全贝叶斯分析相比，ABC因此为复杂模型和广泛参考数据集提供了更快速、更灵活的参数估计。本文中，我们描述了ABC方法，包括使用校准步骤、自适应提议和马尔可夫链蒙特卡洛(MCMC)技术加速参数估计，从而形成改进的ABC方法，记为ABC-IMCMC。作为经典ABC拒绝算法的测试，我们使用周期剪切均匀湍流直接数值模拟的参考数据估计非平衡RANS模型参数。随后我们展示使用ABC-IMCMC基于轴对称跨声速凸包的实验参考数据估计Menter剪切应力输运(SST)模型参数。我们表明该测试用例下SST模型的精度可通过ABC-IMCMC改善，表明ABC-IMCMC是利用广泛参考数据校准RANS模型的一种有前景的方法。
引用
@article{arxiv.2011.01231,
title = {Parameter Estimation for RANS Models Using Approximate Bayesian Computation},
author = {Olga A. Doronina and Scott M. Murman and Peter E. Hamlington},
journal= {arXiv preprint arXiv:2011.01231},
year = {2020}
}
备注
12 figures