塞缪尔·勒温（Samuel F.Lewin）。;de Bruyn Kops，Stephen M。;科尔姆·西勒·考尔菲尔德（Colm-Cille P.Caulfield）。;加文·D·波特伍德。 一种用于模拟分层湍流中耗散率的数据驱动方法。 （英语） Zbl 1530.76058号 J.流体力学。 977，论文编号A37，29 p.（2023）. 摘要：我们提出了一个深度概率卷积神经网络（PCNN）模型，用于预测分层湍流中小尺度混合特性的局部值，即湍流动能和密度方差的耗散率，（varepsilon）和（chi）。PCNN的输入是速度和密度梯度的垂直列，由海洋微结构剖面仪通常提供的数据驱动。该结构旨在使模型能够捕捉分层湍流的几个特征，特别是小尺度各向同性对浮力雷诺数的依赖性，其中，（nu）是运动粘度，（N）是背景浮力频率，适当的局部平均密度梯度与湍流强度之间的相关性，以及捕捉耗散值概率分布函数尾部的重要性。基于渐近状态（Re_b\ll 1）和（Re_b \gg 1），提出了仅依赖密度和速度垂直导数的（varepsilon）和（chi）常用各向同性模型的经验修改版本，并作为与数据驱动方法进行比较的指导性基准。当在访问一系列湍流状态（与不同的Re_b值相关）的分层衰减湍流模拟上进行训练和测试时，随着Re_b的减小，PCNN显著优于各向同性假设，并且还证明了与拟合的经验模型相比的改进。PCNN的微分灵敏度分析有助于与理论模型进行比较，并对特征进行物理解释，从而改进预测。 MSC公司： 76米99 流体力学基本方法 76F45型 湍流中的分层效应 68T05型 人工智能中的学习和自适应系统 68T07型 人工神经网络与深度学习 关键词：分层湍流;机器学习;深度概率卷积神经网络;湍流动能;密度方差;小尺度各向同性;微分灵敏度分析 软件：亚当 PDF格式BibTeX公司 XML格式引用 \textit{S.F.Lewin}等人，《流体力学杂志》。977，论文编号A37，29 p.（2023；Zbl 1530.76058） 全文： 内政部 OA许可证 参考文献： [1] Almalkie，S.&De Bruyn Kops，S.M.2012a受迫、均匀和轴对称稳定分层湍流中的动能动力学。J.Turbul.13，N29·Zbl 1273.76181号 [2] Almalkie，S.&De Bruyn Kops，S.M.2012b不可压缩Navier-Stokes湍流中的能量耗散率替代物。《流体力学杂志》697204-236·Zbl 1250.76097号 [3] Arthur，R.S.，Venayagamoorthy，S.K.，Koseff，J.R.&Fringer，O.B.2017我们如何计算（N）对分层流中混合的估计至关重要。《流体力学杂志》831，R2·Zbl 1421.76121号 [4] Barnes，E.A.和Barnes，R.J.2021控制弃权神经网络，用于识别回归问题的熟练预测。J.高级模型。地球系统13（12），e2021MS002575。 [5] Batchelor，G.K.1959对流量的小尺度变化，如湍流中的温度。第1部分：。一般讨论和小电导率的情况。《流体力学杂志》5（1），113-133·Zbl 0085.39701号 [6] Beucler，T.、Pritchard，M.、Rasp，S.、Ott，J.、Baldi，P.和Gentine，P.2021在模拟物理系统的神经网络中实现分析约束。物理学。修订稿126（9），098302。 [7] Billant，P.&Chomaz，J.-M.2001强分层无粘流的自相似性。物理学。流体13，1645-1651。 [8] Bluteau，C.E.，Jones，N.L.&Ivey，G.N.2016使用惯性和粘性子范围上的最大似然谱拟合从微观结构剪切测量中估算湍流耗散。J.大气。海洋。技术33（4），713-722。 [9] Bluteau，C.E.，Lueck，R.G.，Ivey，G.N.，Jones，N.L.，Book，J.W.&Rice，A.E.2017通过同时进行的温度和速度测量确定混合速率。J.大气。海洋。技术34（10），2283-2293。 [10] Bolton，T.&Zanna，L.2019深度学习在海洋数据推断和亚网格参数化中的应用。J.高级模型。地球系统11（1），376-399。 [11] Bouffard，D.&Boegman，L.2013A分层环境流的底辟扩散率模型。动态。大气。《海洋》61，14-34。 [12] Brethouwer，G.，Billant，P.，Lindborg，E.&Chomaz，J.-M.2007强分层湍流的尺度分析和模拟。《流体力学杂志》585，343-368·Zbl 1168.76327号 [13] Brunton，S.L.、Noack，B.R.和Koumoutsakos，P.2020流体力学机器学习。每年。《流体力学评论》52，477-508·Zbl 1439.76138号 [14] De Bruyn Kops，S.M.2015稳定分层Boussinesq湍流中的经典湍流标度和间歇性。《流体力学杂志》775、436-463·Zbl 1403.76030号 [15] De Bruyn Kops，S.M.&Riley，J.J.2019稳定层结对初始各向同性均匀湍流衰减的影响。《流体力学杂志》860，787-821·Zbl 1415.76255号 [16] Cael，B.B.&Mashayek，A.2021海洋湍流的对数正态性。物理学。修订稿126（22），224502。 [17] Callaham，J.L.、Koch，J.V.、Brunton，B.W.、Kutz，J.N.和Brunton、S.L.2021使用数据驱动的平衡模型学习主要物理过程。《国家公报》第12卷，第1016页。 [18] Caulfield，C.P.2021湍流分层流中的分层、不稳定性和混合。每年。《流体力学》第53期，第113-145页·兹比尔1459.76064 [19] Cleve，J.，Greiner，M.&Sreenivasan，K.R.2003《关于在充分发展的湍流中确定间歇指数时能量耗散替代的影响》。欧罗普提斯。第61（6）、756页。 [20] Comte-Bellot，G.&Corrsin，S.1971网格生成的“各向同性”湍流中全频带和窄带速度信号的简单欧拉时间相关性。《流体力学杂志》48（2），273-337。 [21] Couchman，M.M.P.，De Bruyn Kops，S.M.&Caulfield，C.P.2023强迫分层湍流中稳定密度界面的混合。流体力学杂志，961，A20·Zbl 1530.76037号 [22] Couchman，M.M.P.，Wynne-Cattanach，B.，Alford，M.H.，Caulfield，C.P.，Kerswell，R.R.，Mackinnon，J.A.&Voet，G.2021通过微观结构数据观测数据驱动的湍流海洋混合识别。地理。Res.Lett.48（23），e2021GL094978。 [23] Dillon，T.M.&Caldwell，D.R.1980上层海洋中的Batchelor谱和耗散。地球物理学杂志。研究：海洋85（C4），1910-1916年。 [24] Fincham，A.M.，Maxworthy，T.&Spedding，G.R.1996自由衰减分层网格湍流中的能量耗散和涡旋结构。动态。大气。《海洋》23（1-4），155-169。 [25] Fossum，H.E.，Wingstedt，E.M.M.&Reif，B.A.P.2013A稳定分层剪切湍流中粘性耗散率的模型。地球物理学。研究稿40（14），3744-3749。 [26] Gargett，A.E.、Osborn，T.R.和Nasmysy，P.W.1984分层流体中的局部各向同性和湍流衰减。《流体力学杂志》144、231-280。 [27] Gilpin，L.H，Bau，D.，Yuan，B.Z，Bajwa，A.，Specter，M.&Kagal，L.2018解释：机器学习的可解释性概述。2018年IEEE第五届数据科学和高级分析国际会议（DSAA），第80-89页。电气与电子工程师协会。 [28] Godoy-Diana，R.、Chomaz，J.-M.和Billant，P.2004强分层粘性流体中煎饼涡的垂直长度尺度选择。《流体力学杂志》504229-238·Zbl 1116.76304号 [29] Gregg，M.C.，D'Soro，E.A.，Riley，J.J.&Kunze，E.2018海洋中的混合效率。每年。3月科学版，443-473。 [30] Guillaumin，A.P.和Zanna，L.2021海洋动量强迫的随机深度学习参数化。J.高级模型。地球系统13，e2021MS002534。 [31] Hebert，D.A.和De Bruyn Kops，S.M.2006稳定分层流中垂直剪切率和能量耗散率之间的关系。地球物理学。研究稿33（6），L06602。 [32] Hosokawa，I.，Oide，S.&Yamamoto，K.1996各向同性湍流：真实耗散率与其一维替代物之间的重要差异。物理学。修订稿77（22），4548·Zbl 0925.76272号 [33] Ivey，G.N.，Bluteau，C.E.&Jones，N.L.2018在充满能量的海洋中量化底辟藻混合。地球物理学杂志。Res.Oceans123，346-357。 [34] Ivey，G.N.，Winters，K.B.&Koseff，J.R.2008密度分层，湍流，但混合程度如何？每年。《流体力学》第40卷，169-184页·Zbl 1136.76026号 [35] Jackson，P.R.&Rehmann，C.R.2014剪切分层流湍流中的微分标量混合实验。《物理学杂志》。Oceanogr.44（10），2661-2680。 [36] Kingma，D.P.&Ba，J.2014亚当：随机优化方法。arXiv:1412.6980。 [37] Kolmogorov，A.N.1962A改进了先前关于高雷诺数粘性不可压缩流体中湍流局部结构的假设。《流体力学杂志》13（1），82-85·Zbl 0112.42003号 [38] Lang，C.J.&Waite，M.L.2019强迫分层湍流中的尺度相关各向异性。物理学。修订版流体4，044801。 [39] Lecun，Y.A.，Bottou，L.O.，Genevieve，B.&Müller，K.-R.2012高效反向传播。《神经网络：交易技巧》，第9-48页。斯普林格。 [40] Lewin，S.F.&Caulfield，C.P.2021《远场分层对剪切诱导湍流混合的影响》。《流体力学杂志》927，A20·Zbl 1496.76074号 [41] Lilly，D.K.1983分层湍流和大气的中尺度变化。J.大气。科学40，749-761。 [42] Lin，J.-T.和Pao，Y.-H.1979分层流体中的尾迹：综述。每年。修订版流体力学11，317-338。 [43] Ling，J.、Kurzawski，A.和Templeton，J.2016Reynolds使用嵌入不变性的深度神经网络进行平均湍流建模。《流体力学杂志》807155-166·Zbl 1383.76175号 [44] Lumley，J.L.&Newman，G.R.1977均匀湍流各向同性的回归。《流体力学杂志》82（1），161-178·Zbl 0368.76055号 [45] Mashayek，A.、Caulfield，C.P.和Peltier，W.R.2013分层湍流剪切流中的时间依赖性非单调混合：浮力通量海洋学估计的影响。《流体力学杂志》736、570-593·Zbl 1294.76171号 [46] Mashayek，A.、Reynard，N.、Zhai，F.、Srinivasan，K.、Jelley，A.、Naveira Garabato，A.和Caulfield，C.P.2022小尺度湍流的深海学习。地球物理学。Res.Lett.49（15），e2022GL098039。 [47] Maulik，R.、Fukami，K.、Ramachandra，M.、Fukagata，K.和Taira，K.2020流体流动代理建模和数据恢复的概率神经网络。物理学。流体版本5（10），104401。 [48] Maulik，R.，San，O.，Rasheed，A.&Vedula，P.2019使用神经网络的二维湍流子网格建模。《流体力学杂志》858122-144·Zbl 1415.76405号 [49] Montavon，G.，Lapuschkin，S.，Binder，A.，Samek，W.&Müller，K.-R.2017用深度泰勒分解解释非线性分类决策。模式识别。65211-222。 [50] Moum，J.N.1996海洋温跃层中含能湍流尺度。地球物理学杂志。研究：Oceans101（C6），14095-14109。 [51] Oboukhov，A.M.1962大气小管的一些特殊特征。《流体力学杂志》13（1），77-81·Zbl 0112.42002号 [52] Osborn，T.R.1980从耗散测量中估算局部垂直扩散率。《物理学杂志》。海洋研究所，第10期，第83-89页。 [53] Osborn，T.R.&Cox，C.S.1972海洋精细结构。地球物理学。流体动力学3（4），321-345。 [54] Pope，S.B.2000湍流。剑桥大学出版社·Zbl 0966.76002号 [55] Portwood，G.D.，De Bruyn Kops，S.M.&Caulfield，C.P.2019高动态范围分层湍流的渐近动力学。物理学。修订稿122（19），194504。 [56] Portwood，G.D.，De Bruyn Kops，S.M.，Taylor，J.R.，Salehipour，H.&Caulfield，C.P.2016分层湍流中动态不同区域的稳健识别。《流体力学杂志》807，R2·Zbl 1383.76265号 [57] Portwood，G.D.，Nadiga，B.T.，Saenz，J.A.&Livescu，D.2021剩余标量通量的神经网络模型解释。《流体力学杂志》907，A23·Zbl 1461.76311号 [58] Praud，O.，Fincham，A.M.&Sommeria，J.2005强分层流体中的衰减网格湍流。《流体力学杂志》522，1-33·Zbl 1060.76514号 [59] Rasp，S.、Pritchard，M.S.和Gentine，P.2018深入学习在气候模型中表示亚网格过程。程序。国家科学院。科学。美国115（39），9684-9689。 [60] Rehmann，C.R.&Hwang，J.H.2005强分层湍流的小尺度结构。《物理学杂志》。Oceanogr.35（2），151-164。 [61] Riley，J.J.&De Bruyn Kops，S.M.2003浮力对湍流动力学的影响很大。物理学。流体15（7），2047-2059·Zbl 1186.76446号 [62] Riley，J.J.、Couchman，M.P.P.和De Bruyn Kops，S.M.2023普朗特数对衰减分层湍流的影响。J.图尔布尔。（已提交）。 [63] Riley，J.J.&Lindborg，E.2008分层湍流：一些地球物理湍流测量的可能解释。J.大气。科学65（7），2416-2424。 [64] Riley，J.J.、Metcalfe，R.W.和Weissman，M.A.1981密度分层流体中均匀湍流的直接数值模拟。《AIP会议记录》，第76卷，第79-112页。美国物理研究所。 [65] Salehipour，H.&Peltier，W.R.2015 Boussinesq分层湍流中的底辟扩散率、湍流普朗特尔数和混合效率。《流体力学杂志》775，464-500·兹比尔1403.76028 [66] Salehipour，H.&Peltier，W.R.2019分层湍流的两个“原子”混合的深度学习。《流体力学杂志》861，R4·Zbl 1415.76385号 [67] Scheifele，B.，Waterman，S.，Merckelbach，L.&Carpenter，J.R.2018测量强分层低能环境中湍流动能的耗散率：来自北冰洋的案例研究。地球物理学杂志。研究：Oceans123（8），5459-5480。 [68] Smyth，W.D.&Moum，J.N.2000a稳定分层混合层中湍流的长度尺度。物理学。流感12，1327-1342·Zbl 1149.76542号 [69] Smyth，W.D.&Moum，J.N.2000b稳定分层混合层中湍流的各向异性。物理学。流体12（6），1343-1362·Zbl 1149.76543号 [70] Speding，G.R.1997初始湍流钝体尾迹在高内部弗劳德数下的演变。《流体力学杂志》337，283-301。 [71] Subel，A.、Chattopadhyay，A.、Guan，Y.和Hassanzadeh，P.2021使用深度学习对强迫汉堡湍流进行数据驱动的亚脊尺度建模，并通过传递学习推广到更高的雷诺数。物理学。流体33（3），031702。 [72] Talley，L.D.等人2016年海洋热量、碳含量和通风的变化：GO-SHIP全球重复水文测量第一个十年的回顾。每年。《3月科学》第8版，185-215年。 [73] Toms，B.A.、Barnes，E.A.和Ebert-Uphoff，I.2020地球科学物理解释神经网络：地球系统可变性的应用。J.高级模型。地球系统12（9），e2019MS002002。 [74] Vandine，A.、Pham，H.T.和Sarkar，S.2021均匀分层背景中的湍流剪切层：高雷诺数下的DNS。《流体力学杂志》916，A42·Zbl 1482.76063号 [75] Venayagamoorthy，S.K.和Koseff，J.R.2016关于稳定分层湍流中的通量Richardson数。《流体力学杂志》798，R1·Zbl 1422.76090号 [76] Wang，P.，Yuval，J.&O'Gorman，P.A.2022使用神经网络对大气亚网格过程进行非局部参数化。J.高级模型。地球系统14（10），e2022MS002984。 [77] Warhaft，Z.2000湍流中的辅助标量。每年。流体力学修订版32，203-240·Zbl 0988.76042号 [78] Waterhouse，A.F.等.2014根据湍流耗散率测量得出的底辟混合的全球模式。《物理学杂志》。Oceanogr.44（7），1854-1872年。 [79] Weinstock，J.1981稳定自由大气中湍流的能量耗散率。J.大气。科学38（4），880-883。 [80] Young，R.Y.&Koseff，J.R.2022修正了剪切稳定分层湍流的混合系数标度。《流体力学杂志》952，A18。 [81] Zanna，L.&Bolton，T.2020海洋中尺度闭合的数据驱动方程发现。地球物理学。Res.Lett.47（17），e2020 GL088376。 [82] Zhou，T.和Antonia，R.A.2000网格湍流中湍流能量和温度变化耗散率的近似值。物理学。流体12（2），335-344·Zbl 1149.76599号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。