使用不同标量分布实现湍流速度和标量场的超分辨率
流体动力学
2025-03-13 v1
摘要
近年来，基于数据驱动的方法开发了湍流混合的亚网格模型，用于大涡模拟（LES）。超分辨率是一种数据驱动的去卷积技术，通过使用直接数值模拟（DNS）数据训练深度卷积神经网络，以学习从低分辨率域输入数据到超分辨率高分辨率输出域之间的映射。虽然该技术在a先验测试中取得了很大成功，但需要评估其泛化能力，以便进行a后验应用。在本研究中，我们评估了基于超分辨率生成对抗网络（GAN）的泛化能力，用于重建来自不同分布的标量。生成的受强迫湍流混合DNS数据（固定努里数但不同bulk标量分布），用作训练/测试数据集。结果表明，速度矢量场可以较好地重建，但模型在从不同分布的标量上进行超分辨率方面失败。包括双帕累切和半高斯两种极端混合分数分布于训练数据集中，可显著提高模型性能，不仅适用于这些分布，也适用于以前看不见的双峰分布。
引用
@article{arxiv.2503.08834,
title = {Super-resolution of turbulent velocity and scalar fields using different scalar distributions},
author = {Ali Shamooni and Oliver T. Stein and Andreas Kronenburg},
journal= {arXiv preprint arXiv:2503.08834},
year = {2025}
}