结合多线性插值的参数化动态模态分解用于预测未见参数下Al2O3-水纳米流体流的热场

本研究提出了一种结合动态模态分解与多线性插值的数据驱动模型，用于预测纳米流体流在未见雷诺数和颗粒体积浓度（$\epsilon$）下的热场。本研究考虑的流动为层流不可压缩流。研究采用内部开发的基于Fortran的求解器，预测通过二维矩形通道的Al$_2$O$_3$-水纳米流体流的热场，其中底壁施加均匀热通量。研究考察了分别在一维和二维参数空间中运行的两个模型的性能。最初，使用基于带线性插值的动态模态分解的求解器来预测任意Re $>$ 100下纳米流体的温度。在Re = 960且$\epsilon$ = 1.0%时，与基于CFD的求解器相比，基于DMD-LI的模型预测的温度场最大百分比差异仅为0.0273%。相应的平均努塞尔数差异仅为0.39%。随后，使用基于带双线性插值的动态模态分解的求解器来预测任意Re $>$ 100且$\epsilon$ $>$ 0.5%下纳米流体的温度。还考察了两种不同的数据堆叠方式的性能。与基于CFD的模型相比，在Re = 800且$\epsilon$ = 1.35%时，基于DMD-BLI的模型预测的温度场最大百分比差异为0.21%，而相应的平均努塞尔数预测百分比差异仅为6.08%。详细报告了所有结果。在给出重要结论的同时，也列出了该研究的未来展望。