基于Gappy POD的流场数据填补方法

• 作者: 张伟伟 李静
• 来源期刊: 气体物理
• 学科: 航空航天
• 关键词: 数据驱动 Gappy POD 流场重构 非定常流动 POD
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能专题
• 页码范围: 1-10
• 页数: 10页
• 分类号: V211
• 字数: 4720字
• 语种: 中文
• DOI: 10.19527/j.cnki.2096-1642.0791

摘要

本征正交分解方法(proper orthogonal decomposition,POD)是一种数据驱动的流场特征信息提取技术,可以按能量大小给出流场的结构模态,并且可以通过较少阶模态叠加获得高阶数据的近似描述.将该方法结合一组线性方程,即构成Gappy POD方法,可实现对缺失流场的重构.论文从样本数据已知和样本数据不完全已知两种情况展开,对Gappy POD方法在缺失流场数据填补方面的应用进行了研究.首先,对于样本数据已知的情况,研究了样本参数范围内任意参数值下的重构能力;其次,对于样本数据不完全已知的情况,研究了模态阶数、缺失率以及样本数对缺失流场重构精度的影响规律.结果表明,Gappy POD方法可以高效再现参数范围内的任意完整流场数据.但是,对于缺失率较高的样本集,需要适当增加样本数以提高重构精度.

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	西北工业大学翼型叶栅空气动力学国家重点实验室	89	656	14.0	22.0
2	李静		9	23	2.0	4.0