机器学习应用于cfd
大纲
贡献者
介绍
该存储库包含有关如何在计算流体动力学(CFD)领域中使用机器学习(ML)算法的示例。 在基于CFD的研究过程中,可以将ML算法应用于不同的步骤:
预处理,例如,用于几何或网格生成
运行时,例如,作为动态边界条件或作为子网格规模模型
后处理,例如,创建替代模型或分析结果
另一种可能的分类是区分机器学习算法的类型,例如
监督学习:算法在给定的特征和标签之间创建映射,例如在卡车的形状和作用在卡车上的拖曳力之间
无监督学习:算法在数据中查找标签,例如,如果两个粒子p1和p2由其表面上的某些点表示(只有点列表,但不知道它们属于哪个粒子),则该算法将为每个点弄清楚它是属于p1还是p2
强化学习:在环境中活动的代理试图最大化(累积)奖励,例如,设置模拟解决方案控制的代理尝试尽快完成模拟,从而学习找到给定集合的优化解决方案控制-up(代理:某些程序修改求解器
1