2D Slab Burner DNS 不确定性量化：替代模型、不确定性传播与参数校准
计算物理
2025-04-11 v2 机器学习
摘要
本文旨在展示和解决进行复杂物理仿真（如 2D slab burner 直接数值仿真，DNS）的完整不确定性量化分析方面的挑战。该不确定性量化框架包括开发数据驱动的替代模型、将参数不确定性传播到燃料回归率——主要感兴趣的量，以及使用实验数据对亚热力亚沸点热量和化学反应温度指数进行贝叶斯校准。本研究构建了两个替代模型，高斯过程（GP）和层次多尺度替代模型（HMS），使用拉丁超立方抽样生成的 64 次仿真组成的集合。HMS 在预测方面优于 GP，经过交叉验证验证后，能够仅凭少量远场输入即可对多尺度边界量实现 < 15% 的误差。随后，对化学动力学和燃料响应参数进行贝叶斯校准，以实验观测为准，对默认值使用的 DNS 参数需要提高，以更好地匹配测量结果。该研究强调在复杂燃烧系统中对燃料回归率预测不确定性进行量化时，替代模型选择和参数校准的重要性。
引用
@article{arxiv.2411.16693,
title = {UQ of 2D Slab Burner DNS: Surrogates, Uncertainty Propagation, and Parameter Calibration},
author = {Georgios Georgalis and Alejandro Becerra and Kenneth Budzinski and Matthew McGurn and Danial Faghihi and Paul E. DesJardin and Abani Patra},
journal= {arXiv preprint arXiv:2411.16693},
year = {2025}
}