获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
在科学和工程场中,快速准确的湍流预测非常重要。在本文中,我们研究了隐式U-NET增强的傅立叶神经操作员(IUFNO),以稳定地预测三维(3D)湍流流的长期动力学。训练有素的IUFNO模型在三个摩擦雷诺数的粗网格的大涡模拟(LES)中进行了测试:re τ≈180、395和590。所采用的近壁网格比壁溶解的LES的一般要求更明显。与原始的傅立叶神经操作员(FNO),隐式FNO(IFNO)和U-NET增强的FNO(UFNO)相比,IUFNO模型具有更好的长期预测能力。数值实验表明,IUFNO框架在预测各种流量统计统计和结构的预测中,超过了传统的动态Smagorinsky模型和壁适应的本地涡流粘度模型,包括平均值和功能,包括均值和流动性速度,概率密度的功能(PDFS)和关节功能(pdfs)和关节效率。 pro文件,动能谱和Q标准(涡旋结构)。同时,训练有素的IUFNO模型在计算上比传统的LES模型快得多。因此,IUFNO模型是快速预测壁构成的湍流的有希望的方法。