数据时代的湍流建模
流体动力学
2019-01-30 v3 计算物理
摘要
来自湍流实验与直接数值模拟的数据历史上被用于标定简单工程模型，例如基于雷诺平均 Navier–Stokes (RANS) 方程的模型。过去几年中，随着大型且多样的数据集可用，研究者已开始探索用数据系统性地告知湍流模型的方法，旨在量化并降低模型不确定性。本综述考察了通过物理约束界定 RANS 模型不确定性、采用统计推断刻画模型系数并估计偏差，以及利用机器学习改进湍流模型的最新进展。讨论了关键原理、成果与挑战。本综述倡导的一个核心观点是：通过利用湍流建模的基础知识与物理约束，数据驱动方法可产生有用的预测模型。
引用
@article{arxiv.1804.00183,
title = {Turbulence Modeling in the Age of Data},
author = {Karthik Duraisamy and Gianluca Iaccarino and Heng Xiao},
journal= {arXiv preprint arXiv:1804.00183},
year = {2019}
}