基于神经模糊机器学习算法的大尺度河流洪水流动三维实现
流体动力学
2021-03-08 v1
摘要
机器学习方法已被广泛用于研究复杂流体流动动力学。其中一种称为自适应神经模糊推理系统(ANFIS)的算法可生成流场的数据驱动预测，但尚未应用于大尺度河流的自然地球物理流动。在此，我们展示了ANFIS在若干大尺度虚拟蜿蜒河流中生成瞬时洪水流场三维(3D)实现的能力。大尺度河流中洪水的3D动力学通过大涡模拟(LES)获得。LES结果即3D速度分量被用于训练ANFIS的可学习系数。训练后的ANFIS连同少量LES结果时间步(前驱数据)随后被用于生成不同于训练所用几何形状的大尺度河流中的洪水流场3D实现。我们还使用训练后的ANFIS生成了不同于训练所用流量的河流流动3D实现。由ANFIS获得的流场结果使用独立的LES运行进行验证，以评估该机器学习算法3D瞬时实现的精度。进行了误差分析以量化ANFIS与LES结果在大尺度河流各类洪水流动预测中的差异。
引用
@article{arxiv.2103.03858,
title = {Three-dimensional realizations of flood flow in large-scale rivers using the neural fuzzy-based machine-learning algorithm},
author = {Zexia Zhang and Ajay B. Limaye and Ali Khosronejad},
journal= {arXiv preprint arXiv:2103.03858},
year = {2021}
}