基于数据驱动与经验强迫模型的含（点）颗粒流欧拉-拉格朗日模拟中的不确定性量化
计算物理
2018-11-01 v1
摘要
针对含颗粒流的欧拉-拉格朗日模型，本文发展了一种不确定性量化框架。其中流体在欧拉框架下通过偏微分方程组建模，惯性颗粒在拉格朗日框架下作为点进行追踪。此类问题中的不确定性来源为颗粒强迫，该强迫由经验方法或高保真方法（数据驱动）计算确定。该框架依赖于带随机强迫的确定性控制方程的平均，并允许对感兴趣量的前两阶矩进行估计。通过与蒙特卡洛模拟对比表明，对于欧拉动力学由线性平流方程或可压缩欧拉方程控制的问题，矩方程能准确预测不确定性。在奇异颗粒界面和激波奇点区域会产生显著不确定性。对数值方法影响的考察表明，低耗散高阶方法对于在不确定性传播中以低扩散捕捉数值奇点（激波间断、奇异源项、颗粒聚集）是必要的。
引用
@article{arxiv.1810.13047,
title = {Uncertainty quantification in Eulerian-Lagrangian simulations of (point-)particle-laden flows with data-driven and empirical forcing models},
author = {Vasileios Fountoulakis and H. S. Udaykumar and Gustaaf B. Jacobs},
journal= {arXiv preprint arXiv:1810.13047},
year = {2018}
}