用于模拟湍流粘度的鲁棒深度学习
流体动力学
2021-10-27 v2
摘要
从最简单的模型到复杂的深度神经网络，使用机器学习技术对湍流进行建模仍然面临多重挑战。在此背景下，本文提出了一种基于分块训练的鲁棒策略，从流速场中学习湍流粘度，并展示了其在 Spallart-Allmaras 湍流模型上的高效应用。针对高雷诺数下二维（2D）绕流障碍物生成训练数据集，并用于训练具有局部分块输入的自编码器型卷积神经网络。与标准训练技术相比，基于分块的学习不仅提高了精度，还降低了训练所需的计算成本。
引用
@article{arxiv.2107.11235,
title = {Robust deep learning for emulating turbulent viscosities},
author = {Aakash Patil and Jonathan Viquerat and George El Haber and Elie Hachem},
journal= {arXiv preprint arXiv:2107.11235},
year = {2021}
}