In this paper, we propose a novel reduced order model (ROM) lengthscale that is constructed by using energy distribution arguments. The new energy-based ROM lengthscale is fundamentally different from the current ROM lengthscales, which are built by using dimensional arguments. To assess the novel, energy-based ROM lengthscale, we compare it with a standard, dimensionality-based ROM lengthscale in two fundamentally different types of models: (i) the mixing-length ROM (ML-ROM), which is a ROM closure model; and (ii) the evolve-filter-relax ROM (EFR-ROM), which is a regularized ROM. We test the four combinations (i.e., ML-ROM and EFR-ROM equipped with the energy-based and dimensionality-based lengthscales) in the numerical simulation of the turbulent channel flow at $Re_{\tau} = 395$. The numerical investigation yields the following conclusions: (i) The new energy-based ROM lengthscale is significantly (almost two orders of magnitude) larger than the standard dimensionality-based ROM lengthscale. As a result, the energy-based lengthscale yields more stable ML-ROMs and EFR-ROMs than the dimensionality-based lengthscale. (ii) The energy-based lengthscale displays the correct asymptotic behavior with respect to the ROM dimension, whereas the dimensionality-based lengthscale does not. (iii) The energy-based lengthscale yields ML-ROMs and (when significant filtering is effected) EFR-ROMs whose parameters are less sensitive (i.e., more robust) than the parameters of the ML-ROMs and EFR-ROMs based on the dimensionality-based lengthscale. The novel energy-based lengthscale could enable the development of better scale-aware ROM strategies for flow-specific applications and is expected to have long term applications in nuclear reactor thermal-hydraulics.


翻译:在本文中,我们提出一个新的降序模型(ROM)长度尺度,该模型使用能源分配参数构建。新的基于能源的增序模型(ROM)长度尺度与使用维度参数构建的当前 ROM长度尺度有根本的不同。为了评估基于能源的新版、基于能源的ROM长度尺度,我们用两种基本不同的模型来比较它的标准、基于维度的ROM长度尺度:(一) 混合长的ROM(ML-ROM),这是一个基于敏感度的关闭模型;(二) 进式-过滤器(EFR-ROM),这是一个正规化的ROM(EF-RO)参数长度尺度,我们测试四个组合(即ML-RO),在以能源为基础的电流流和以维度为基的ERF-ROM(I),在以标准度为基的深度的流序流(IL-RM-RM),在以内,在以稳定度为基的流度的流(以比例的 RM-RM-RM),在以内,在以稳定比例的流值的流值上,在以稳定的流-流的流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流-流

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
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
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16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
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2012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 · 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
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
VIP会员
相关VIP内容
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16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
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2012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 · 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
0+阅读 · 2009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