混沌流动的短期与长期预测：一种物理约束的储备池计算方法
流体动力学
2021-04-14 v2 机器学习
混沌动力学
摘要
我们提出一种基于储备池计算（reservoir computing）的物理约束机器学习方法，用于在一个湍流剪切流模型中时间精确地预测极端事件与长期速度统计。该方法结合了两种不同方法的优势：基于储备池计算的唯象建模（仅从数据学习混沌动力学）与基于守恒律的物理建模（在训练数据不可用时外推动力学）。我们表明，这两种方法的结合能够准确复现速度统计，并预测湍流自维持过程模型中极端事件的发生与幅值。在该流动中，极端事件是从湍流到准层流态的突变，属于确定性现象，因混沌而传统上无法预测。此外，物理约束机器学习方法对噪声表现出鲁棒性。本工作为协同增强数据驱动方法与物理知识以时间精确预测混沌流动开辟了新可能。
引用
@article{arxiv.2102.07514,
title = {Short- and long-term prediction of a chaotic flow: A physics-constrained reservoir computing approach},
author = {Nguyen Anh Khoa Doan and Wolfgang Polifke and Luca Magri},
journal= {arXiv preprint arXiv:2102.07514},
year = {2021}
}
备注
10 pages, 10 figures. arXiv admin note: substantial text overlap with arXiv:1912.10994