大尺度流动数据的小波自适应本征正交分解

本征正交分解（POD）是流体力学中一个强大的经典工具，用于模型简化和相干流特征提取。然而，由于其计算复杂性，它对三维直接数值模拟产生的高分辨率数据的适用性受到限制。在这里，我们提出了一种基于小波的自适应POD（wPOD），以克服这一局限性。通过使用双正交小波对数据进行压缩，可以减少要分析的数据量，从而产生稀疏表示，同时方便地控制压缩误差。数值分析表明，在某些假设下，小波压缩和POD截断的不同误差贡献是如何平衡的，这使我们能够有效地处理来自三维流动问题模拟的高分辨率数据。通过一个综合的学术测试案例，我们将我们的算法与随机奇异值分解进行了比较。此外，我们还展示了我们的方法分析由扑翼昆虫产生的二维尾迹流和三维流数据的能力，这些数据是通过直接数值模拟计算得到的。 自正交分解·双正交小波·小波自适应分块网格·流体力学·降阶模型