基于AutoML的湍流建模

• 作者: 任荟颖 王婧 王彦棡
• 来源期刊: 数据与计算发展前沿
• 关键词: 湍流模型 自动机器学习 数据驱动 雷诺平均方程 深度学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 技术与应用
• 页码范围: 121-131
• 页数: 11页
• 语种: 中文
• DOI: 10.11871/jfdc.issn.2096-742X.2020.04.010

摘要

[背景]湍流问题涉及到工程中的诸多领域,其重要性不言而喻.雷诺平均Navier-Stokes(RANS)方程提供了一种计算时间平均湍流量的有效方法,由于其计算易处理性而被广泛使用.随着深度学习技术的发展,采用数据驱动的方法建模RANS模型受到了研究者广泛的关注.[方法]本文提出了一种数据驱动建模RANS模型的方法,该方法以数值软件模拟结果为基础,利用深度学习技术构造湍流模型.由于在湍流问题中,不同的系统初始条件不同,数据的质量千差万别,难以使用统一的神经网络结构进行训练.因此本文采用AutoML(自动机器学习)的方法自动搜索神经网络的结构并进行自动调参.此外,本文发现通过混合多种初始条件下的数据进行模型训练,可以提高深度学习模型的拟合精度,增强其鲁棒性.[结果]本文选取OpenFOAM中的经典算例内壁台阶流模拟作为数据来源进行实验.实验表明,该模型在预测雷诺应力时具有较好的精度和效率,表明数据驱动方法在湍流模拟中具有良好的应用前景.[局限]为了更好的在湍流领域应用深度学习技术,下一步的研究重点在于如何将深度学习模型与湍流数值模拟软件耦合.[结论]目前,针对湍流机器学习的系统研究相对较少.在现有工作经验的基础上,机器学习在未来的湍流模型化中必将扮演着更加重要的角色.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王婧	中国科学院计算机网络信息中心	33	909	13.0	30.0
2	王彦棡	中国科学院计算机网络信息中心	13	15	2.0	3.0
3	任荟颖	中国科学院计算机网络信息中心	2	0	0.0	0.0