×
沃特·爱德林；大安·克罗姆林

通过物理约束减少数据驱动的动态子网格模型。 （英语） 兹比尔1519.76082

计算。流体 201，文章ID 104470，11 p.（2020）.
摘要：近年来，人们对使用数据驱动（机器学习）技术构建湍流亚网格尺度应力的廉价替代模型越来越感兴趣。这些应力显示出复杂的时空结构，并构成了一个困难的替代目标。在本文中，我们提出了一个数据预处理步骤，在该步骤中，我们导出了可供选择的子网格尺度模型，这些模型对于特定用户的空间集成感兴趣量集实际上是精确的。这些新的子网格尺度模型的未闭合分量与这组感兴趣的积分量大小相同。因此，相应的训练数据在大小上大大减少，降低了后续代理构造的复杂性。

引用于2文件

MSC公司：

76层65 湍流的直接数值模拟和大涡模拟

关键词：

湍流；数据驱动的；亚网格尺度模型；代理模型

软件：

涡量求解器；github
PDF格式BibTeX公司 XML格式引用
\textit{W.Edeling}和\textit{D.Crommelin}，计算。液体201，文章ID 104470，11 p.（2020；Zbl 1519.76082）
全文： 内政部 链接

参考文献：

[1] 根特，P。；Mcwilliams，J.，《海洋环流模型中的等密度混合》，《物理海洋学家杂志》，20，1，150-155（1990）
[2] McWilliams，J.，湍流中孤立相干涡流的出现，流体力学杂志，146，21-43（1984）·Zbl 0561.76059号
[3] 沃克利，W。；Kalverla，P。；Severijns，C.，《二维流中子网格过程参数化的最大熵方法》，Q J R Meteorolog Soc，142，699，2273-2283（2016）
[4] Thuburn，J。；Kent，J。；Wood，N.，《二维湍流数值模型中的级联、后向散射和守恒》，Q J R Meteorolog Soc，679，140，626-638（2014）
[5] Frank，J。；莱姆库勒，B。；Myerscough，K.，《二维流体动力学中小尺度能量平衡的直接控制》，《流体力学杂志》，782，240-259（2015）·Zbl 1381.86019号
[6] Berloff，P.，中尺度海洋涡旋的随机推进模型，《流体力学杂志》，529，71-95（2005）·Zbl 1068.76070号
[7] 北卡罗来纳州维尔胡尔。；维埃巴恩，J。；Crommelin，D.，斜压海洋涡旋的基于协变量的随机参数化，数学气候天气预报，3，1，90-117（2017）·Zbl 1504.86005号
[8] 马纳，P。；Zanna，L.，海洋中尺度涡旋随机参数化，海洋模型，79，1-20（2014）
[9] Zanna，L。；马纳，P。；Anstey，J。；大卫·T。；Bolton，T.，涡流-平均流相互作用的尺度感知确定性和随机参数化，海洋模型，111，66-80（2017）
[10] 新郎，I。；Zanna，L.，关于“海洋中尺度涡旋随机参数化”的注释，海洋模型，113，30-33（2017）
[11] Maulik，R。；圣马力诺。；拉希德，A。；Vedula，P.，使用神经网络的二维湍流子网格建模，流体力学杂志，858，122-144（2019）·Zbl 1415.76405号
[12] Scher，S.，《朝向数据驱动的天气和气候预测：用深度学习近似一个简单的大气环流模型》，Geophys-Res-Lett，45，22，12-616（2018）
[13] 谢尔，S。；Messori，G.，《使用神经网络进行天气和气候预测：使用具有不同复杂性的大气环流模型（gcms）作为研究基础》，Geosci Model Dev，12，7，2797-2809（2019）
[14] 博尔顿，T。；Zanna，L.，深度学习在海洋数据推断和子网格参数化中的应用，J Adv Model Earth Syst，11，1，376-399（2019）
[15] Edeling，W。；Crommelin，D.，流体流动的简化模型误差源项，2019（2019）年计算科学和工程会议不确定性量化会议论文集，ECCOMAS
[16] Edeling W.涡量解算器（github存储库）。https://github.com/wedeling/vorticity-solver网址; 2019a年。
[17] Peyret，R.，《不可压缩粘性流的谱方法》，148（2013），Springer Science&Business Media
[18] 卡努托，C。；侯赛尼，M。；夸特罗尼，A。；Zang，T.，《光谱方法：复杂几何的演变和流体动力学的应用》（2007），施普林格科学与商业媒体·Zbl 1121.76001号
[19] 侯，T。；Li，R.，使用伪谱方法计算几乎奇异解，计算物理杂志，226，1379-397（2007）·Zbl 1310.76127号
[20] Margairaz，F。；乔梅托，M。；帕兰热，M。；Calaf，M.，中性分层大气流大涡模拟中去偏方案的比较，Geosci模型开发，11，10，4069-4084（2018）
[21] Edeling，W。；Crommelin，D.，朝向数据驱动的海洋流动态替代模型，2019年高级科学计算会议平台会议记录，3（2019），ACM
[22] Edeling W.Caf减少了sgs（github存储库）。https://github.com/wedeling/CAF_reduced_sgs网址; 2019b年。
[23] Basilevsky，A.，《统计科学中的应用矩阵代数》（2013），Courier Corporation
[24] 斯里尼瓦桑，P。；Guastoni，L。；阿齐兹普尔，H。；施拉特，P。；Vinuesa，R.，《使用深层神经网络预测湍流剪切流》，《流体物理学评论》，第4、5、54603页（2019年）
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。