A new group of reduced-order models (ROMs) for nonlinear thermal radiative transfer (TRT) problems is presented. They are formulated by means of the nonlinear projective approach and data compression techniques. The nonlinear projection is applied to the Boltzmann transport equation (BTE) to derive a hierarchy of low-order moment equations. The Eddington (quasidiffusion) tensor that provides exact closure for the system of moment equations is approximated via one of several data-based methods of model-order reduction. These methods are the (i) proper orthogonal decomposition, (ii) dynamic mode decomposition (DMD), (iii) an equilibrium-subtracted DMD variant. Numerical results are presented to demonstrate the performance of these ROMs for the simulation of evolving radiation and heat waves. Results show these models to be accurate even with very low-rank representations of the Eddington tensor. As the rank of the approximation is increased, the errors of solutions generated by the ROMs gradually decreases.


翻译:提出了一组非线性热辐射转移问题的新减序模型(ROMs),这些模型是通过非线性投影法和数据压缩技术开发的,非线性投影适用于Boltzmann运输方程(BTE),以得出低序瞬时方程的等级。Eddington(qusidifulation)振标,为瞬时方程系统提供精确封闭,通过若干基于数据的方法之一的模型-顺序缩减方法加以近似。这些方法有:(一) 正确的正态分解,(二) 动态模式分解,(三) 平衡分式DMD变方程,(三) 平衡分集式DMD变方程。提供了数值结果,以展示这些模型的性能,以模拟不断演变的辐射和热波。结果显示这些模型准确性能,即使Eddington 10or的表示非常低级。随着近值的上升,由ROM产生的溶液的误差也逐渐减少。

0
下载
关闭预览

相关内容

专知会员服务
31+阅读 · 2021年7月15日
【DeepMind】强化学习教程,83页ppt
专知会员服务
152+阅读 · 2020年8月7日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
一份简单《图神经网络》教程,28页ppt
专知会员服务
123+阅读 · 2020年8月2日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
1+阅读 · 2021年9月20日
Arxiv
0+阅读 · 2021年9月17日
VIP会员
相关VIP内容
专知会员服务
31+阅读 · 2021年7月15日
【DeepMind】强化学习教程,83页ppt
专知会员服务
152+阅读 · 2020年8月7日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
一份简单《图神经网络》教程,28页ppt
专知会员服务
123+阅读 · 2020年8月2日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员