基于数据驱动方法揭示分层湍流与时间间歇性的路径

传统上，利用‘骨架’结构来建模湍流流动，往往聚焦于管道流和Taylor-Couette流等少数规范实验。我们在考虑分层倾斜通道的实验中，该通道为持续剪切流，其密度分层允许探索远高于非分层流动的众多新型湍流态及间歇态。我们采用数据驱动方法结合降维与无监督聚类，对阴影图可视化数据自动识别其湍流骨架。我们展示了在参数空间中存在多种湍流类型及其间歇性循环，揭示了不同的转变路径。通过基于聚类的间歇网络模型，我们揭示了在湍动耗散增大下，转换概率与驻留时间之间的模式。我们的方法与结果为多物理力学湍流的新型简化模型铺平了道路。