机器学习在湍流模型构建中的应用进展

• 作者: 刘溢浪 寇家庆 张伟伟 朱林阳
• 来源期刊: 空气动力学学报
• 学科: 工学
• 关键词: 湍流 机器学习 人工智能 深度神经网络 数据驱动
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 专栏——智能空气动力学研究探索
• 页码范围: 444-454
• 页数: 11页
• 分类号: TP181|O357.5
• 字数: 8129字
• 语种: 中文

摘要

借助于高性能计算机和数据共享平台的发展,研究者可以获取大量的高分辨率湍流计算数据.近年来,随着深度神经网络等人工智能技术的发展,数据驱动的机器学习方法也开始应用于湍流模型中不确定度的量化以及模型的改进和构建中.湍流大数据与人工智能相结合是湍流研究的一个新领域.研究者在取得一定成果的同时也面临着诸多困难和挑战,例如模型的泛化能力和鲁棒性等.模型构建过程包含了数据处理、特征选择以及模型框架的选取与优化等诸多方面,这些方面在不同程度上影响模型的性能.本文从机器学习在湍流建模过程中的实现方法和模型的不同作用两方面分析总结了目前主要的研究工作进展,并对这类问题面临的挑战和未来的研究展望进行了阐述.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张伟伟	西北工业大学航空学院	89	656	14.0	22.0
2	寇家庆	西北工业大学航空学院	14	38	4.0	5.0
3	刘溢浪	西北工业大学航空学院	5	11	2.0	3.0
4	朱林阳	西北工业大学航空学院	1	1	1.0	1.0