基于深度学习的LSTM神经网络湍流控制降阶建模方法
由于高保真CFD提供了前所未有的对湍流的物理洞察，工程应用降阶建模（ROM）在过去几十年中一直是一个主要的研究热点。ROM的主要目标是在不计算完整的Navier-Stokes（NS）方程的情况下模拟流场的关键物理/特征。这是通过将高维动力学投影到低维子空间来实现的，通常使用降维技术，如适当正交分解（POD）和伽辽金投影。在这项工作中，我们展示了一种基于深度学习的方法，使用规范DNS数据集的POD基础，为湍流控制应用构建ROM。
我们发现，一种主要用于语音建模和语言翻译等问题的递归神经网络——长短时记忆（LSTM），在湍流的时间动力学建模方面显示出诱人的潜力。此外，我们引入赫斯特指数作为研究非平稳数据的LSTM行为的工具，并揭示可能有助于各种应用程序ROM开发的有用特征。
文件下载
评论信息
其他资源
- 设计模式实训教程全 刘伟著 PDF
- TimeWaveZero
- mnist_uint8
- 车牌识别动态库
- vhdl转换成verilog语言
- matlab编写的流体计算和传热程序
- Wincc通过Kepware的OPC方式通讯
- STM32F103驱动IIC型OLED屏
- 山东大学软件学院软件工程2018年期末考试题
- JSP 火车票售票系统.zip
- 最优化三点二次插值Matlab
- 宠物医院管理系统
- Linux系统下dhcp源码
- 最新全国基站lbs定位库 基站定位 lbs定位数据库
- Sflow分析源代码
- ANO_TC匿名上位机V6.5.zip
- swe1-docs-源码
- netty-demo
- 十套万能精选站点模板（完整版）
- php做曲线图
- ASP新闻发布系统 毕业设计参考
- 快速启动手册_CC2530 Zigbee定位系统开发套件
- stm32基本例程 PWM输出实验
- C#实现简单的壁纸点击切换
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明