基于变分自编码器的三维流场重建与快速预测
流体动力学
2024-02-27 v1
摘要
流场的重建与快速预测对改进数据中心运行与节能具有重要意义。本研究提出一种人工神经网络（ANN）与变分自编码器（VAE）的复合模型，用于高精度、高效率地重建与预测三维流场。VAE 模型经训练以提取问题特征并实现三维物理场重建。ANN 用于实现所提取特征的可构造性。通过计算流体动力学与传热（CFD/HT）获取稳态温度/速度场数据集，并用于训练该深度学习模型。所提出的 ANN-VAE 模型经实验证明能够以显著降低的计算成本实现良好的流场预测精度。与 CFD/HT 方法相比，ANN-VAE 方法将物理场预测速度提升约 380,000 倍，温度场预测平均精度为 97.3%，速度场预测平均精度为 97.9%，使其可用于实时物理场获取。
引用
@article{arxiv.2304.12598,
title = {Reconstruction and fast prediction of a 3D flow field based on a variational autoencoder},
author = {Gongyan Liu and Runze Li and Xiaozhou Zhou and Tianrui Sun and Yufei Zhang},
journal= {arXiv preprint arXiv:2304.12598},
year = {2024}
}
备注
43 pages, 23 figures