WeirNet：面向钢琴凳几何代理建模的大规模3DCFD基准数据集
机器学习
2026-02-26 v2 计算工程、金融与科学
摘要
可靠预测钢琴凳（Piano Key Weir, PKW）设计的水力性能具有挑战性，因为排水容量取决于三维几何和运行条件。代理模型可加速水力结构设计，但进展受限于稀缺的大规模、详实的数据集，这些数据集能够同时捕捉几何变异、运行条件和功能性能。本研究提出WeirNet，一个用于PKW几何代理建模的大规模3DCFD基准数据集。WeirNet包含3,794个参数化、可行性约束的矩形和梯形PKW几何构型，每个构型在19个排水条件下进行调度，使用一致的自由面OpenFOAM工作流程， resulting in 71,387个完成的仿真，构成基准数据集，包含完整的排水系数标签。该数据集以多种模态紧凑参数描述符、密闭曲面网格和高分辨率点云的形式发布，包含标准化任务以及in-distribution和out-of-distribution分割。对代表性代理族进行基准测试，以预测排水系数。基于参数描述符的树基回归器实现了最佳整体准确率，而点云和网格基模型保持具竞争力，同时提供参数无关的推断。所有代理模型在每个样本上都在毫秒级完成评估，为CFD运行时提供了数量级的加速。超出分布结果识别出几何位移是主要的失效模式，数据效率实验显示在大约60%的训练数据之外，收益会逐渐下降。通过公开发布数据集及仿真设置和评估管道，WeirNet建立了一个可复现的数据驱动水力建模框架，使在水力规划早期阶段探索PKW设计具有更快的速度。
引用
@article{arxiv.2602.20714,
title = {WeirNet: A Large-Scale 3D CFD Benchmark for Geometric Surrogate Modeling of Piano Key Weirs},
author = {Lisa Lüddecke and Michael Hohmann and Sebastian Eilermann and Jan Tillmann-Mumm and Pezhman Pourabdollah and Mario Oertel and Oliver Niggemann},
journal= {arXiv preprint arXiv:2602.20714},
year = {2026}
}