利用卷积神经网络预测大型弯曲河道中桥墩后的三维洪水流动
流体动力学
2021-06-22 v1 大气与海洋物理
摘要
大尺度河流中湍流统计特性的预测对河流流动分析十分重要。大涡模拟（LES）为此类预测提供了有力工具，然而其需要极长的采样时间与巨大的计算力来算得河流流动的湍流统计。本研究开发了编码器-解码器卷积神经网络（CNN）以预测大尺度弯曲河流湍流的一阶与二阶统计。我们利用带三座桥墩的大尺度河流洪水流动的LES数据集训练CNN，构成训练测试床。随后，我们采用训练好的CNN预测具不同桥墩布置河流中洪水流动的湍流统计，构成验证测试床。将CNN对验证测试床河流流动的预测与独立进行的LES模拟结果比较，以评估所开发CNN的性能。结果表明，训练好的CNN能成功生成大尺度河流洪水流动的湍流统计，如验证测试床所选河流者。
引用
@article{arxiv.2106.11276,
title = {Prediction of three-dimensional flood-flow past bridge piers in a large-scale meandering river using convolutional neural networks},
author = {Zexia Zhang and Kevin Flora1 and Seokkoo Kang and Ajay B. Limaye and Ali Khosronejad},
journal= {arXiv preprint arXiv:2106.11276},
year = {2021}
}