...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Theoretical and Computational Fluid Dynamics >Assessment of supervised machine learning methods for fluid flows
【24h】

Assessment of supervised machine learning methods for fluid flows

机译：用于流体流动的监督机器学习方法的评估

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We apply supervised machine learning techniques to a number of regression problems in fluid dynamics. Four machine learning architectures are examined in terms of their characteristics, accuracy, computational cost, and robustness for canonical flow problems. We consider the estimation of force coefficients and wakes from a limited number of sensors on the surface for flows over a cylinder and NACA0012 airfoil with a Gurney flap. The influence of the temporal density of the training data is also examined. Furthermore, we consider the use of convolutional neural network in the context of super-resolution analysis of two-dimensional cylinder wake, two-dimensional decaying isotropic turbulence, and three-dimensional turbulent channel flow. In the concluding remarks, we summarize on findings from a range of regression-type problems considered herein.
机译：我们将监督机器学习技术应用于流体动力学中的许多回归问题。 在各种特征，准确性，计算成本和规范流动问题的稳健性方面检查四台机器学习架构。 我们考虑估计力系数和唤醒表面上的有限数量的传感器，用于通过圆筒和NaCa0012翼型流过盖齿片。 还检查了训练数据的时间密度的影响。 此外，我们考虑在二维气缸唤醒的超分辨率分析的背景下使用卷积神经网络，二维衰减各向同性湍流和三维湍流通道流动。 在结束语中，我们总结了这里考虑的一系列回归类型问题的结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号