基于混合机器学习模型的 viscoelastic 湍流喷流的简化阶模型
流体动力学
2026-04-30 v1
摘要
向牛顿流体中加入柔性聚合物后,溶液的性质将呈现出复杂特性。这种额外的复杂性大幅增加了数值模拟的计算成本,往往使其变得不可行。本文提出了用于加速viscoelastic 湍流喷流模拟的混合式简化阶模型。该模型将模态分解与深度网络相结合:我们采用正交分解(POD)获取数据的紧凑表示,并训练神经网络在低维空间中预测模态系数。结果表明,混合模型有效捕捉了viscoelastic喷流的长期行为,我们通过计算相关统计量进行了验证。虽然小模型能够预测大尺度动力学并超过一步从而实现更大的加速,但为预测小尺度动力学仍需更大模型,其中带有skip连接的模型对构建更深且更具可推广性的模型最为有效。该方法论证了混合方法在viscoelastic湍流喷流的紧凑且稳健的简化阶模型中具有潜在应用前景。
引用
@article{arxiv.2604.26240,
title = {Reduced-order modeling of a viscoelastic turbulent jet with hybrid machine learning models},
author = {Christian Amor and Adrián Corrochano and Marco Edoardo Rosti and Soledad Le Clainche},
journal= {arXiv preprint arXiv:2604.26240},
year = {2026}
}