罪恶的

约束稀疏Galerkin回归。非线性动力学稀疏辨识(SINDy)是最近提出的一种数据驱动的建模框架,它利用稀疏回归技术识别非线性低阶模型。以流体流动的低阶模型为目标,我们将此方法与降维技术(如本征正交分解)相结合,并将其扩展到增强回归中的物理约束,如保能二次非线性。由此产生的模型(以下简称Galerkin回归模型)包含了Galerkin投影的许多有益方面,但不需要高保真解算器来投影Navier-Stokes方程。取而代之的是确定与观测数据一致且满足必要约束条件的最简非线性模型。Galerkin回归模型也很容易推广到包括高阶非线性项的模型截断模式的影响。在圆柱二维绕流和剪切驱动空腔流动两种典型流动形式上证明了该方法的有效性。对于这两种情况,所识别模型的精度与从标准Galerkin投影过程中获得的降阶模型相比,具有更高的精度。最后,我们的约束稀疏Galerkin回归算法的整个代码库可以在线免费获得。


zbMATH中的参考文献(参考 15篇文章,1标准件)

显示第1到15个结果,共15个。
按年份排序(引用)

  1. 《稀疏分析》;伯南克苏恩,阿列克松;伯南克苏尔,伯南克苏尔;伯南克苏尔,伯南克苏尔,2020年
  2. Bengana,Y.;Loiseau,J.-Ch.;Robinet,J.-Ch.;Tuckerman,L.S.:剪切驱动空腔流的分岔分析和频率预测(2019年)
  3. Koc,Birgul;Mohebujjaman,Muhammad;Mou,Changhong;Iliescu,Traian:流体流动降阶建模中的换相误差(2019年)
  4. Leclercq,Colin;Demurant,Fabrice;Poussot Vassal,Charles;Sipp,Denis:准周期流动闭环控制的线性迭代法(2019年)
  5. Mangan,N.M.;Askham,T.;Brunton,S.L.;Kutz,J.N.;Proctor,J.L.:通过稀疏回归对混合动力系统的模型选择(2019年)
  6. Rudy,Samuel;Alla,Alessandro;Brunton,Steven L.;Kutz,J.Nathan:参数偏微分方程的数据驱动识别(2019)
  7. Fick,Lambert;Maday,Yvon;Patera,Anthony T.;Taddei,Tommaso:雷诺数范围内湍流的稳定POD模型:最佳参数采样和约束投影(2018)
  8. Ibánez,Rubén;Abisset Chavanne,Emmanuelle;Ammar,Amine;González,David;Cueto,Elías;Huerta,Antonio;Duval,Jean-Louis;Chinesta,Francisco:多维数据驱动稀疏识别技术:稀疏本体广义分解(2018)
  9. Kaiser,E.;Kutz,J.N.;Brunton,S.L.:低数据限制下模型预测控制的非线性动力学稀疏辨识(2018)
  10. Loiseau,Jean-Christophe;Brunton,Steven L.:约束稀疏伽辽金回归(2018)
  11. Loiseau,Jean-Christophe;Noack,Bernd R.;Brunton,Steven L.:稀疏降阶建模:基于传感器的动态到全状态估计(2018)
  12. Xie,X.;Mohebujjaman,M.;Rebholz,L.G.;Iliescu,T.:流体流动的数据驱动过滤降阶模型(2018)
  13. 张晟;林广光:基于数据驱动的具有误差条的控制物理规律的发现(2018)
  14. Mangan,N.M.;Kutz,J.N.;Brunton,S.L.;Proctor,J.L.:通过稀疏回归和信息准则选择动力系统的模型(2017年)
  15. Mohebujjaman,Muhammad;Rebholz,Leo G.;Xie,Xuping;Iliescu,Traian:流体流动降阶模型中的能量平衡和质量守恒(2017)