基于深度学习的LSTM神经网络湍流控制降阶建模方法

上传者: cooc89 | 上传时间: 2022-02-09 14:02:44 | 文件大小: 233.75MB | 文件类型: ZIP
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

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