This article is concerned with the problem of determining an unknown source of non-potential, external time-dependent perturbations of an incompressible fluid from large-scale observations on the flow field. A relaxation-based approach is proposed for accomplishing this, which leverages a nonlinear property of the equations of motions to asymptotically enslave small scales to large scales. In particular, an algorithm is introduced that systematically produces approximations of the flow field on the unobserved scales in order to generate an approximation to the unknown force; the process is then repeated to generate an improved approximation of the unobserved scales, and so on. A mathematical proof of convergence of this algorithm is established in the context of the two-dimensional Navier-Stokes equations with periodic boundary conditions under the assumption that the force belongs to the observational subspace of phase space; at each stage in the algorithm, it is shown that the model error, represented as the difference between the approximating and true force, asymptotically decrements to zero in a geometric fashion provided that sufficiently many scales are observed and certain parameters of the algorithm are appropriately tuned; the issue of the sharpness of the assumptions, among other practical considerations such as the transient periods between updates, are also discussed.


翻译:本条涉及从流动场的大规模观测中确定一个未知的非潜在、外部时间性扰动源的未知来源,即流动场上无法压缩的流体的外部时间扰动问题。为实现这一目标,建议采取以放松为基础的方法,将运动方程式的非线性属性作为杠杆,将运动方程式的非线性属性作为无线的小型升降尺度作为大尺度。特别是,引入了一种算法,系统地在未观测的尺度上生成流动场的近似,以便产生接近未知力的近似值;随后又重复了这一过程,使未观测的尺度更近似,等等。在二维导航-斯托克方程式中确立了这一算法趋同的数学证据,假设该方程式属于阶段空间的观测子空间;在算法的每个阶段,都表明模型错误代表接近力和真实力之间的差别;在几何时制式时,只要观察到足够多的尺度的近似近似近似近似近似近似度,并且对算法的某些参数进行了适当调整;在分析中,还观察了其他精确的参数之间的跨度。

0
下载
关闭预览

相关内容

强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年9月26日
Arxiv
0+阅读 · 2022年9月23日
Arxiv
0+阅读 · 2022年9月23日
Arxiv
23+阅读 · 2022年2月4日
VIP会员
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员