用于湍流小尺度重构的时间稀疏数据同化
流体动力学
2022-06-22 v6
摘要
先前的研究表明，只要通过时间连续数据同化（TCDA）持续施加足够的大尺度结构，不可压缩均匀各向同性湍流（HIT）的小尺度信息即可完全恢复。在当前工作中，我们表明采用时间稀疏数据同化（TSDA）策略，可将同化时间步长放宽至约为 TCDA 的 1～2 个量级，而在存在不可忽略的大尺度误差时，精度仍得以保持甚至略优。我们考察了单步数据同化（ODA）以揭示 TSDA 的机制。结果表明，对同化波数 以上误差的弛豫效应是 ODA 中误差衰减的原因。同时，大尺度中包含的误差可传播至小尺度，并使高波数（）误差噪声在 TCDA 下的衰减慢于 TSDA。通过在对流场参考场的大尺度中引入不同水平的误差，进一步证实了该机制。发现 TSDA 的优势随所引入误差幅度的增大而增强。因此，若参考数据含有不可忽略的误差，采用 TSDA 潜在更具益处。最后，还讨论了先前工作中提出的关于利用 Kolmogorov 尺度分辨率的直接数值模拟（DNS）数据恢复亚 Kolmogorov 尺度动力学的可能性这一悬而未决的问题。
引用
@article{arxiv.2201.02104,
title = {Temporally sparse data assimilation for the small-scale reconstruction of turbulence},
author = {Yunpeng Wang and Zelong Yuan and Chenyue Xie and Jianchun Wang},
journal= {arXiv preprint arXiv:2201.02104},
year = {2022}
}