A deep learning framework for turbulence modeling using data assimilation and feature extraction
工业应用中的湍流问题主要使用雷诺平均纳维尔-斯托克斯（RANS）湍流模型来解决。由于封闭假设导致RANS建模的不确定性，因此RANS模型的准确性有限。我们建议通过卷积神经网络使用深度学习算法以及直接数值模拟的数据来提取解释湍流统计数据演变的最佳特征集。统计检验用于确定这些特征与待预测的感兴趣的量的变化的相关性。这些功能，然后用来开发改进的偏微分方程，可以取代经典的雷诺平均Navier Stokes模型，并显示在预测的准确性的改善。
2018-02-16 physics.comp-ph physics.flu-dyn
Characterizing Data Assimilation in Navier-Stokes Turbulence with Transverse Lyapunov Exponents
本文利用横向Lyapunov指数建立数据同化理论框架，揭示临界长度尺度与Reynolds数的关系，并为湍流小尺度结构重建提供新算法方向。
2023-07-12 physics.flu-dyn
Nudging-based data assimilation of the turbulent flow around a square cylinder
通过求解非定常雷诺平均Navier-Stokes（URANS）方程，研究了Re = 22000时正则方柱绕流的湍流.通过应用涉及闭环控制项的数据同化技术，克服了URANS建模的局限性，从而使URANS预测更接近参考数据。利用从DNS中提取的规则间隔的时间分辨参考数据，我们评估了数据同化方法在改善非定常URANS预测中的能力。在改善尾流的低频振荡的同时，我们还展示了恢复开尔文-亥姆霍兹不稳定性的高频动力学的能力。系统地研究了参考数据空间分辨率的影响。提高感兴趣的流动结构的预测所需的数据分辨率与它们的波长有关。使用一个圆柱体长度的顺序之间的数据点的间距，我们已经观察到同步的低频涡脱落，导致显着减少的时间和频谱误差计算的频谱适当的正交分解。此外，提高精度方面的平均流量预测的URANS实现。使用Kelvin-Helmholtz涡旋波长量级的间距，我们甚至恢复了基线模拟中不存在的剪切层结构。
2021-10-20 physics.flu-dyn
Enhanced State Estimation for turbulent flows combining Ensemble Data Assimilation and Machine Learning
提出结合集合数据同化与机器学习的策略，利用DA分析数据训练ML修正算法，在湍流通道流案例中显著降低计算成本并准确预测流场特征。
2025-01-30 physics.flu-dyn
Multi-Scale Data Assimilation in Turbulent Models
Telecom Paris（巴黎电信学院）；University of Rome “Tor Vergata”（罗马托维加塔大学）；INFN “Tor Vergata”（罗马托维加塔国立核物理研究所）；University of Bologna（博洛尼亚大学）；CNR-ISC, Istituto dei Sistemi Complessi（意大利国家研究委员会复杂系统研究所）；Guangdong Technion – Israel Institute of Technology（广东以色列理工学院）
本研究通过壳模型湍流的多尺度框架，探讨数据同化方法中EnKF在提升大尺度和小尺度预测方面的有效性，并提出定制化的膨胀技术以稳定同化过程。
2026-01-14 nlin.CD physics.flu-dyn
A reduced order Kalman Filter model for sequential Data Assimilation of turbulent flows
本文提出了一种基于卡尔曼滤波的序贯估计器。该估计器集成在隔离求解器的结构中，用于不可压缩流的分析。该技术提供了一种增强的流态，将现有的观测结果整合到计算流体力学模型中，自然地保持了速度场的零发散条件。由于与一个完整的卡尔曼滤波器应用程序相关的成本过高，两个模型简化策略已被提出和评估。这些策略大大降低了模型的计算成本的增加，这可以量化为相对于经典数值模拟的$10\% - 15\%$的增加。此外，还对数值模型协方差$Q$的行为进行了扩展分析。结果表明，优化值与离散化过程的截断误差密切相关。该估计已被应用到分析的测试案例，表现出越来越多的复杂性，包括湍流配置。结果表明，增强流成功地提高了研究的物理量的预测，即使在物理域的有限区域内提供观测。此外，目前的工作表明，这些数据同化技术，这是在CFD的发展处于萌芽阶段，可以进一步使用增强预测作为一个强大的工具，优化的自由参数的数值模拟。
2017-02-21 physics.flu-dyn
Spectral adjoint-based assimilation of sparse data in unsteady simulations of turbulent flows
针对URANS湍流模拟的误差问题，提出基于谱伴随的3DVar数据同化框架，通过傅里叶空间定常伴随方法与修正强迫项，在粗网格下利用稀疏数据提升圆柱绕流的平均流场、涡脱频率及低频动力学模拟精度。
2024-05-30 physics.flu-dyn
Assimilation of nearly turbulent Rayleigh-Bénard flow through vorticity or local circulation measurements: a computational study
University of Virginia（弗吉尼亚大学）；University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）；Indiana University（印第安纳大学）；Texas A&M University（德克萨斯农工大学）；Weizmann Institute of Science（魏茨曼科学研究所）
本文提出一种连续数据同化算法，用于仅使用涡度或局部环流测量的二维 Bénard 对流问题。算法通过在涡度方程中加入阻尼项来约束模型，数值结果表明当仅使用空间粗粒测量涡度时，算法的近似解收敛于未知参考解。
2017-09-07 cs.NA math.AP math.NA
Sparse data assimilation for under-resolved large-eddy simulations
ETH Zurich（苏黎世联邦理工学院）
本文提出基于变分同化稀疏时间平均速度数据的方法，用于提升LES中湍流流动的模拟精度，优化平均流动、涡旋脱落频率及各向异性雷诺应力。
2025-12-27 physics.comp-ph physics.flu-dyn
Latent-space variational data assimilation in two-dimensional turbulence
Johns Hopkins University（约翰斯·霍普金斯大学）；San Diego State University（圣地亚哥州立大学）
本文提出在低维潜在空间中进行变分数据同化，以提高湍流测量的可观测性，从而更准确地预测流体演化。
2026-10-06 physics.flu-dyn
A Closed-Form Nonlinear Data Assimilation Algorithm for Multi-Layer Flow Fields
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；Purdue University（普渡大学）
针对单层部分观测下的多层湍流状态估计难题，提出基于条件高斯非线性系统的多步闭式数据同化方法，可捕捉间歇性与极端事件，并在两层准地转系统中优于线性单步方法。
2025-09-29 math.DS physics.flu-dyn
Mean flow data assimilation based on physics-informed neural networks
物理信息神经网络（PINN）可用于求解偏微分方程（PDE），并通过将控制方程纳入神经网络训练来识别隐变量。在这项研究中，我们将PINNs同化的湍流平均流数据和调查的方法的能力，以确定难以访问的变量和封闭项稀疏数据。使用高保真大涡模拟（LES）数据和粒子图像测速（PIV）测量的平均场，我们表明，PINNs是适合于同时识别多个丢失的量在湍流和提供连续和可微的平均场与所提供的偏微分方程一致。通过这种方式，可以提供一致和完整的平均状态，这对于线性化平均场方法是必不可少的。所提出的方法不需要网格或离散化方案，易于实现，并可用于广泛的应用，使其成为一个非常有前途的工具，平均场为基础的方法在流体力学。
2022-12-08 physics.flu-dyn
Predictability of weakly turbulent systems from spatially sparse observations using data assimilation and machine learning
本研究结合数据同化方法与无模型机器学习浅层网络预测弱湍流系统，划分空间稀疏度的三类预测区域，明确数据驱动方法的分辨率上限等应用价值，并探讨其对充分发展湍流的适用性。
2024-07-14 physics.flu-dyn
Uncovering Turbulent Dynamics in Stenotic Flows from 4D-flow MRI Measurements via Resolvent Analysis and Data Assimilation
Technische Universität Berlin（柏林工业大学）；Physikalisch-Technische Bundesanstalt（德国联邦物理技术研究院）
本研究结合体外4D-flow MRI测量、数据同化和线性建模，通过物理信息神经网络校正测量伪影并提取平均流场，进而利用全局线性稳定性分析和响应分析识别狭窄流动中的线性放大机制和相干结构。
2026-06-02 physics.flu-dyn
Turbulence generation and data assimilation in wall-bounded flows with a latent diffusion model
Stuttgart Center for Simulation Science, University of Stuttgart（斯图加特大学）；Institute of Aerospace Thermodynamics, University of Stuttgart（斯图加特大学）
提出一种结合β-VAE与基于Transformer的扩散模型的生成框架，用于壁面湍流的数据同化，在雷诺数Re_h=1300的平面库埃特流中实现了O(10^5)的压缩比，并揭示了条件扩散模型在保持物理保真度与样本多样性之间的权衡。
2026-08-14 physics.flu-dyn
Synchronization to big-data: nudging the Navier-Stokes equations for data assimilation of turbulent flows
轻推是一种重要的数据同化技术，其中部分场测量用于控制动力系统的演化和/或重建供应流的整个相空间配置。在这里，我们将其应用到流体动力学中最棘手的问题：三维均匀和各向同性湍流。通过进行数值实验，我们对该技术在提供给它的数据的数量和质量/类型方面重建流的大尺度和小尺度特征的效果进行了系统的评估。所使用的数据类型是：（i）固定数量的空间位置上的字段值（欧拉轻推），（ii）傅立叶系数的领域在一个固定的范围内的波数（傅立叶轻推），或（iii）字段值沿一组移动探头内的流动（拉格朗日轻推）。我们提出了国家的最先进的定量测量的规模由规模{ \it过渡到同步}和重建误差的概率分布函数的详细讨论，通过比较轻推字段和{ \it真相}逐点。此外，我们表明，对于更复杂的流动配置，如各向异性旋转湍流的情况下，气旋和反气旋结构的存在导致意外更好的性能的算法。我们讨论了潜在的进一步应用的推动一系列的应用流配置，包括在热瑞利-贝纳德对流和磁流体动力学（MHD）领域的重建问题，并确定最佳参数化的小尺度湍流建模。我们的研究确定了未来将微推应用于复杂湍流的标准要求。
2019-05-14 physics.ao-ph physics.data-an physics.flu-dyn
Ensemble-variational assimilation of statistical data in large eddy simulation
发展了一种非侵入式资料同化方法来改进大涡模拟（LES）的统计预报。整体变分（EnVar）方法的目的是最小化的成本函数，被定义为LES预测和参考统计数据之间的差异，从实验或在本演示中，独立的直接数值模拟（DNS）。应用该方法对Smagorinsky亚网格模型进行了修正，获得了能准确估计槽道湍流统计特性的数据同化大涡模拟（DA-LES）。为了分别控制建模的子网格张量的平均值和波动，以及最终的一阶和二阶流统计，考虑了两种类型的模型校正。第一个优化了Smagorinsky系数的壁面法线轮廓，而第二个在动量方程中引入了可调节的稳定强迫，以独立地作用于平均流。利用这两个要素，资料同化过程可以令人满意地修改亚网格模式，并准确地恢复参考流统计。检索到的子网格模型显着优于更精细的基线模型，如动态和混合模型，在后验测试。本数据同化方法的鲁棒性进行了评估，通过改变雷诺数，并考虑网格分辨率，远离通常的建议。利用随机制定的EnVar，开发的框架还提供了检索模型的不确定性。
2021-09-25 physics.comp-ph physics.flu-dyn
Variational assimilation of sparse time-averaged data for efficient adjoint-based optimization of unsteady RANS simulations
本研究提出一种基于变分数据同化的方法，将稀疏时间平均数据同化到非定常RANS模拟中，通过定常伴随优化，在改善涡脱落频率的同时准确重建平均流场，并在不同形状圆柱的湍流中验证了其有效性。
2024-05-29 physics.comp-ph physics.flu-dyn
State estimation in minimal turbulent channel flow: A comparative study of 4DVar and PINN
湍流，最小通道流的状态估计从时空稀疏观测的速度，使用物理信息的神经网络（PINN）和伴随变分数据同化（4DVar）。PINN的性能根据4DVar的基准结果进行评估。PINN是有效的实现，利用自动微分来评估控制方程，并且不需要开发伴随模型。此外，流的演化表示的网络参数，其具有远远小于在状态空间中的预测轨迹，甚至只是流的初始条件的维数。只要有足够的观测、网络结构和训练，PINN就可以对流场进行满意的估计，包括缺失的速度数据和完全未观测到的压力场。然而，准确性取决于网络架构，并且依赖性不是先验已知的。与在观测范围内逐渐变得更准确的4DVar估计相比，PINN预测通常不太准确，并且在整个同化时间窗口内保持相同的误差水平。另一个显著的区别是准确预测流动演变的能力：虽然4DVAR预测逐渐偏离真实的流动状态，并且根据李雅普诺夫指数，PINN在训练时间范围之外立即完全不准确，除非重新训练。最重要的是，虽然4DVar满足逐点控制方程的离散形式以达到机器精度，但在PINN中，仅在$L^2$意义上满足方程。
2022-10-17 physics.comp-ph physics.flu-dyn
Turbulence model augmented physics informed neural networks for mean flow reconstruction
本文提出SA湍流模型增强的物理信息神经网络PINN-DA-SA，通过融合稀疏速度测量与RANS方程重建平均流场，在Re=5600湍流周期性山丘算例中相比纯PINN和变分数据同化显著降低重建误差。
2024-02-26 physics.comp-ph physics.flu-dyn
An Efficient and Statistically Accurate Lagrangian Data Assimilation Algorithm with Applications to Discrete Element Sea Ice Models
复杂非线性湍流的拉格朗日资料同化是一个重要但计算上具有挑战性的课题。在这篇文章中，一个有效的数据驱动的统计准确的降阶建模算法，显着加快拉格朗日资料同化的计算效率。该算法从高维流场的傅立叶变换开始，随后是有效的模型简化，仅保留与能量模式对应的傅立叶系数的一个小子集。然后，一个线性随机模型来近似每个傅立叶系数的非线性动力学。有效的加性和乘性噪声的过程被纳入表现出高斯和非高斯统计，分别模式的特征。降阶系统中的所有参数，包括乘性噪声系数，通过封闭的解析公式系统地确定。这些线性随机模型成功地预测了不确定性，并促进了极其快速的资料同化方案。新的拉格朗日资料同化，然后施加到观测的海冰浮冰的轨迹，由大气风和湍流洋流驱动。它示出，观察仅约$30$非相互作用的浮冰在$200$公里$\times200$公里域是足够的恢复的关键多尺度特征的洋流。附加的浮冰角位移观测被认为是对质心位置的适当补充，以提高资料同化技巧。此外，观测到的大、小浮冰分别更有助于恢复海洋的大、小尺度特征。傅立叶域资料同化也成功地恢复了云遮蔽地区的海洋特征。
2021-07-27 cs.NA math.NA physics.ao-ph
Direct Simulations of Wind-Driven Breaking Ocean Waves with Data Assimilation
一个配方是开发同化海浪数据到数值流分析（NFA）代码。NFA是一种基于笛卡尔的隐式大涡模拟（LES）程序，具有VOF界面捕捉功能。连续同化的数据到NFA允许更高的带宽比可能使用其他配方，如高阶谱（HOS）的方法，或现场测量的海浪物理学的详细分析。提供了一个框架，用于吸收流动的波浪和旋涡部分。轻推用于同化低波数的波浪数据，而高波数的波浪数据通过非线性相互作用、波浪破碎和风强迫自然形成。同样地，风中的平均涡流和风吹流的垂直廓线被轻推，并且湍流波动被允许自然形成。作为示范，一个JONSWAP波谱的HOS的结果同化研究短峰海风平衡。对数剖面同化为平均风和平均风吹流。资料同化的结果是：（1）碎波作用下形成的风列和旋转急流，（2）风和横向漂移的弯曲，（3）海洋边界层上部的旋转急流被组织成朗缪尔池，（4）大气边界层下部的旋转急流被组织成风条，（5）海洋边界层上部的旋转急流被组织成风条，（6）海洋边界层下部的旋转急流被组织成风条，（7）海洋边界层下部的旋转急流被组织成风条，（8）海洋边界层下部的旋转急流被组织成风条，（9）海洋边界层下部的旋转急流被组织成风条，（10）海洋边界层下部的旋转急流被组织成风条，（10）海洋边界层下部的旋转急流被组织成风条，（10）海洋边界层下部的旋转急流被组织成风条，（10）海洋边界层下部的旋转急流被组织成风条。（5）朗缪尔胞和风纹的长度和时间尺度随着远离自由表面而增大…
2014-10-01 physics.ao-ph physics.flu-dyn
Multigrid sequential data assimilation for the large-eddy simulation of a massively separated bluff-body flow
本文评估了数据驱动应用于湍流尺度分辨模拟的潜力。本文采用多重网格序列数据同化算法对高雷诺数下纵横比为5：1的矩形柱绕流的大涡模拟进行了数值模拟。选择此测试用例是因为许多物理复杂性，这些复杂性无法使用降阶数值模拟进行准确表示。速度和压力流场的统计矩的结果表明，所采用的数据驱动技术，这是基于包围卡尔曼滤波器，能够显着提高求解器的预测功能，降低网格分辨率。此外，据观察，尽管在数据驱动的过程中的稀疏和不对称分布的观察，数据增强的结果表现出完美的对称统计和显着提高的精度也远离传感器的位置。
2022-12-28 physics.flu-dyn
Preconditioned Adjoint Data Assimilation for Two-Dimensional Decaying and Forced Turbulence
San Diego State University（圣地亚哥州立大学）
通过预条件共轭数据同化方法，改进了二维衰减各向同性湍流中初始条件的重建精度。
2026-08-11 physics.flu-dyn
Ensemble data assimilation-based mixed subgrid-scale model for large-eddy simulations
本文提出基于集合卡尔曼滤波数据同化的EnKF-MM混合亚格子模型，以fDNS动能谱为目标优化系数，并在HIT和TML大涡模拟中优于DSM、DMM和VGM。
2023-07-06 physics.flu-dyn
Data Assimilation in Large Eddy Simulation: Addressing Model-Observation Mismatch from Navier-Stokes Data
研究应用于Smagorinsky/Ladyzhenskaya型大涡模拟模型的连续数据同化算法，处理来自完整Navier-Stokes方程的观测数据不匹配问题，证明了二维全局适定性与指数收敛性，并通过二维和三维数值模拟验证了理论。
2025-08-10 math.AP physics.flu-dyn
A variational data assimilation approach for sparse velocity reference data in coarse RANS simulations through a corrective forcing term
本文提出一种变分数据同化方法，通过在动量方程中引入无散修正力项，结合离散伴随与梯度优化，利用稀疏速度参考数据高效提升粗网格RANS模拟精度。
2024-04-30 physics.flu-dyn
Physics-based localization methodology for Data Assimilation by Ensemble Kalman Filter
Univ. Lille（里尔大学）；CNRS（法国国家科学研究中心）；ONERA（法国航空航天实验室）；Arts et Metiers ParisTech（巴黎高等工艺学院）；Centrale Lille（里尔中央理工学院）
本文提出一种基于物理的集合卡尔曼滤波（EnKF）定位函数确定方法，其空间特征随集合成员瞬时流动特征动态演变，经两个不同测试案例验证，可在保持精度的同时降低数据同化计算成本。
2025-11-11 physics.flu-dyn
A Physics-Informed Data-Driven Algorithm for Ensemble Forecast of Complex Turbulent Systems
提出了一种新的集合预报算法--基于条件高斯统计的物理信息数据驱动算法（PIDD-CG），用于预报具有部分观测值的复杂湍流系统概率密度函数（PDF）的时间演化. PIDD-CG算法集成了一个独特的多尺度统计封闭模型与一个非常有效的非线性数据同化方案，以表示PDF作为一个混合的条件统计，克服了灾难的高维系统的维数。每个条件统计集成成员的时间演化中的多尺度特征有效地通过物理信息分析公式和递归神经网络的适当组合来捕获。采用信息度量作为损失函数，后者更准确地校准具有强波动的关键湍流信号。该算法成功地预测了强湍流系统的瞬态和统计平衡非高斯PDF的不稳定性，政权切换和极端事件。
2022-04-18 physics.flu-dyn
Data assimilation of flow MRI data into RANS models with algebraic closures
Department of Engineering, Trumpington Street, Cambridge CB2 1PZ, UK（英国剑桥大学工程系）；Department of Bioengineering, Stanford University, Stanford, CA, USA（美国斯坦福大学生物工程系）；Department of Radiology, Stanford University, Stanford, CA, USA（美国斯坦福大学放射系）；Stanford Cardiovascular Institute, Stanford University, Stanford, CA, USA（美国斯坦福大学心血管研究所）
采用贝叶斯推断框架，将3D流动MRI测量数据同化到RANS模型中，估计湍流模型参数和入口边界条件，成功重建平均流速并提供不确定性估计。
2026-06-23 physics.flu-dyn
Generation of Turbulent States using Physics-Informed Neural Networks
在模拟湍流时，通常情况下，有关强迫项或边界条件的信息要么不可用，要么过于复杂，实施起来成本高昂。相反，一些流动特征，例如平均速度分布或其统计矩，可以通过实验或观察来获得。我们提出了一种基于物理信息的神经网络生成湍流状态受一组给定的条件的方法。物理通知方法确保最终状态近似于有效流。我们展示了不同的统计条件，可用于准备状态，实验和大气问题的动机的例子。最后，我们展示了两种缩放准备状态的分辨率的方法。一种是通过使用多个并行神经网络。另一种方法是使用nudging，这是一种基于同步的数据同化技术，利用了专业数值求解器的力量。
2022-09-09 physics.flu-dyn
A low cost singular value decomposition based data assimilation technique for analysis of heterogeneous combustion data
本文首次将低代价奇异值分解（lcSVD）用于燃烧反应流数据，通过最优传感器采样降低维度，实现高效数据同化，计算加速超10倍，压缩因子超2000，关键物种重建误差小于1%。
2025-03-31 physics.flu-dyn
Synchronisation in two-dimensional damped-driven Navier-Stokes turbulence: insights from data assimilation and Lyapunov analysis
Tokyo University of Science（东京科学大学）；The University of Osaka（大阪大学）；University of Cambridge（剑桥大学）
研究二维阻尼驱动NS湍流中通过数据同化和李雅普诺夫分析确定的等效长度尺度，发现其接近强迫尺度而非耗散尺度，并探讨其与三维情况的差异来源。
2025-11-19 math.DS nlin.CD physics.flu-dyn
Generalized Lattice-Boltzmann Equation with Forcing Term for Computation of Wall-Bounded Turbulent Flows
本文提出了一种基于广义格子Boltzmann方程的框架，该框架采用多松弛时间和强迫项，用于壁面约束湍流的涡捕捉模拟。由于它的灵活性，在使用不同的松弛时间，GLBE是非常适合于保持数值稳定的粗网格，并在获得改善的解决方案的保真度近壁湍流波动。亚网格尺度湍流效应由标准Smagorinsky涡粘性模型表示，该模型通过使用近壁效应的van Driest壁阻尼函数进行修改。为了模拟更广泛的一类问题，我们引入了一般强迫项的自然时刻空间的GLBE。在SGS模型中使用的应变率张量的表达式推导出的GLBE的非平衡力矩，包括这样的强制条款。可变分辨率引入到这个扩展的GLBE框架，通过保守的多块方法。该方法是评估两个典型的流动问题的边界墙，即，基于通道半宽的剪切或摩擦雷诺数（$\mathrm{Re}$）为183.6的充分发展的湍流通道流，以及基于腔体边长的$\mathrm{Re}$为12，000的立方腔体中的三维（3D）剪切驱动流。详细计算的近壁湍流结构的比较，给出了各种湍流统计，与可用的数据，包括那些从直接数值模拟（DNS）和实验显示出良好的一致性，数值稳定性特征的显着改善。
2009-01-19 physics.comp-ph physics.flu-dyn
Ensemble score filter with image inpainting for data assimilation in tracking surface quasi-geostrophic dynamics with partial observations
Florida State University（佛罗里达州立大学）；Oak Ridge National Laboratory（橡树岭国家实验室）；Colorado State University（科罗拉多州立大学）
本文提出集成图像修复的集成评分滤波器（EnSF），解决部分观测下高维非线性数据同化问题，并在表面准地转模型跟踪中验证其有效性。
2025-01-20 cs.LG physics.ao-ph physics.data-an
Multi-Fidelity Data Assimilation For Physics Inspired Machine Learning In Uncertainty Quantification Of Fluid Turbulence Simulations
针对EPM无法确定湍流预测中扰动幅度与位置的问题，本文提出物理启发的CNN框架学习模型预测与真实结果间的修正，以调节扰动并改进误差估计。
2023-07-23 physics.flu-dyn
A physics-infused Immersed Boundary Method using online sequential Data Assimilation
本文提出一种基于集合卡尔曼滤波的物理注入策略，优化连续浸没边界方法的惩罚系数，利用在线数据同化在低分辨率下实现对湍流通道流动的高精度模拟。
2023-10-13 physics.flu-dyn
Active learning of data-assimilation closures using Graph Neural Networks
本文提出结合GNN架构与主动学习的数据同化闭合建模方法，在有限非结构FEM数据下实现RANS闭合项的良好泛化预测。
2025-01-08 physics.flu-dyn
Variational data assimilation in wall turbulence: From outer observations to wall stress and pressure
本文利用伴随变分数据同化从槽道流外部观测估计近壁湍流，发现观测距壁面越近精度越高，且该方法能严格量化从外部测量预测瞬时近壁湍流的能力，并验证了其对滤波和降采样观测的鲁棒性。
2025-01-25 nlin.CD physics.flu-dyn
A Framework of Data Assimilation for Wind Flow Fields by Physics-informed Neural Networks
针对局部风场有限点测量数据难以支撑详细分析的问题，本研究提出基于物理信息神经网络（PINN）的风场数据同化框架，整合多类型传感器数据与Navier-Stokes方程约束，结合迁移学习实现实时在线部署，最大误差仅3.7%，为风场重建提供通用工具。
2024-05-11 physics.flu-dyn
To stall-cell or not to stall-cell: Variational data assimilation of 3D mean flow past a stalled airfoil
University of Southampton（南安普顿大学）；Imperial College London（帝国理工学院）
本文通过三维变分数据同化方法，利用稀疏实验数据重建停顿细胞的三维均流场，展示了如何通过两个平面的数据恢复停顿细胞的核心特征。
2026-04-30 physics.flu-dyn
Enhancement of Large Eddy Simulation for the prediction of an intake flow rig using sequential Data Assimilation
本研究提出集成于CONES库的超局部化集合卡尔曼滤波数据同化策略，通过整合瞬时速度观测数据，校准进气道流动大涡模拟的非定常入口条件并实现速度场同步，提升了循环流动预测能力，为数字孪生等复杂应用提供支撑。
2025-03-19 physics.flu-dyn
TURB-Rot. A large database of 3d and 2d snapshots from turbulent rotating flows
University of Rome Tor Vergata（罗马第二大学）；Istituto Italiano di Tecnologia（意大利技术研究院）；Johns Hopkins University（约翰斯·霍普金斯大学）
我们提出了TURB-Rot，一个新的开放式数据库的三维和二维的湍流速度场的快照，通过直接数值模拟（DNS）的原始纳维-斯托克斯方程在旋转的存在下。其目的是为对数据同化和/或计算机视觉感兴趣的社区提供一个由大约300 K复杂图像和字段组成的新试验场。TURB-Rot数据的特点是多尺度的强非高斯特征和粗糙的，不可微的，在近二十年的尺度领域。此外，来自原始偏微分方程的完全解析的数值模拟，它们提供了应用广泛方法的可能性，从无方程到基于物理的模型。TURB-Rot数据可在http://smart-turb.roma2.infn.it上获得
2020-06-14 cs.CV physics.data-an physics.flu-dyn
Small scale reconstruction in three-dimensional Kolmogorov flows using four-dimensional variational data assimilation
本文应用四维变分法重建了中等雷诺数下的三维湍流速度场，给出了一组粗网格点上测量数据的时间序列。结果表明，当测量数据的分辨率（以波数表示）在阈值$k_c = 0.2η_K^{-1}$的量级时，重建是成功的，其中$η_K$是流动的Kolmogorov长度尺度。当数据在一个大涡翻转时间尺度的周期内可用时，滤波后的涡度拟能和其他小尺度量用$30\%$或更小的归一化逐点误差和$90\%$逐点相关来重建。对于所有波数，重建场和目标场之间的谱相关性高于$80\%$。引入最小体积封闭椭球（MVEE）和MVEE树来定量比较非局部结构的几何形状。结果表明，对于大多数样本，重建结构的位置和尺寸误差在$15\%$范围内，方向误差在$15^\circ$范围内。这项调查表明，令人满意的重建尺度两个或更多的倍频程小是可能的，如果在大尺度上的数据至少有一个大涡翻转时间。相比之下，直接替代方案导致拟能的逐点差异大三倍。重建速度场与目标速度场的谱差比用四维变分法得到的谱差高十倍以上。
2019-11-06 physics.flu-dyn
Assimilating rough features: A data-driven framework to infer rough wall properties from sparse experimental data
University of Southampton（南安普顿大学）；Iowa State University（爱荷华州立大学）
本研究提出一种数据驱动框架，通过同化稀疏实验数据推断粗糙壁属性，验证了数据同化在湍流边界层建模中的有效性。
2026-01-22 physics.flu-dyn
LEMDA: A Lagrangian-Eulerian Multiscale Data Assimilation Framework
本文提出LEMDA框架，结合拉格朗日与欧拉观测，利用解析公式实现多尺度湍流数据同化，兼具精确性与高效性。
2024-02-04 math.DS physics.flu-dyn
Resonance-Driven Intermittency and Extreme Events in Turbulent Scalar Transport with a Mean Gradient
本文构建耦合纬向流、剪切流及随机动力学的可解析模型，揭示相速度相等时的共振导致示踪剂方差峰值、非高斯间歇性与极端事件，并经多机制数值实验验证。
2025-06-06 cs.CE math-ph math.DS
Exact coherent structures and phase space geometry of pre-turbulent 2D active nematic channel flow
受限活性向列相具有丰富的动力学行为，包括自发流动，周期性缺陷动力学，和混沌的“活性有序性”。在这里，我们研究这些现象使用的框架精确相干结构，这已成功地表征被动流体的高雷诺数湍流的路线。精确相干结构是流体动力学方程的稳态、周期、准周期或行波解，它们与其不变流形一起充当动力学的组织模板。我们计算占主导地位的精确相干结构和连接轨道在前湍流的主动湍流通道流，这使得一个完全非线性的，但高度降低了顺序描述的有向图。使用这种简化的表示，我们计算瞬时扰动，切换不同的时空状态之间的系统占据遥远的区域的无限维相空间。我们的研究结果奠定了基础，系统的手段，了解和控制积极的湍流在中度到高度活动的制度。
2021-09-14 cond-mat.soft math.DS nlin.PS
Janus spectra in two-dimensional flows
从理论上讲，大尺度大气流、肥皂膜流和其它二维流可能具有两种不同类型的湍流能谱--一种是速度脉动的谱指数$α$等于$3$，并且脉动在小尺度上被耗散;另一种是速度脉动的谱指数。$α=5/3$和波动消散在大尺度上--但下游的障碍物的测量总是揭示了$α= 3$。在这里，我们报告了关于皂膜流的实验，其中障碍物下游存在一个相当大的间隔，其中$α$在流向波动方面从$3$过渡到$5/3$，但在横向波动方面仍然等于$3$，就好像两个相互独立的不同动力学的湍流场在流动中同时活跃。这种湍流能谱，我们称之为Janus谱，从来没有被观测到或理论上预测过。我们的研究结果可能为湍流和地球物理流动的研究开辟新的前景。
2016-08-11 physics.flu-dyn
State estimation in homogeneous isotropic turbulence using super-resolution with a 4DVar training algorithm
School of Mathematics, University of Edinburgh（爱丁堡大学数学学院）
本文提出用4DVar数据同化算法训练三维湍流超分辨率神经网络，无需高分辨率真值数据，并结合CNN与可微JAX-CFD求解器；混合初始化方法在所有时刻精度超其他策略两倍以上。
2025-10-19 physics.flu-dyn
Turbulent flows are not uniformly multifractal
提出Frisch–Parisi形式体系的局部改造方法，刻画能量耗散场广义维数与多重分形性的空间分布，并用非间歇模型湍流验证结论。
2023-07-12 cond-mat.stat-mech nlin.CD physics.data-an
Reconstruction of turbulent flow fields from lidar measurements based on large-eddy simulation
本文利用大涡模拟和四维变分同化算法，从激光雷达观测的时间序列中重建大气边界层中的湍流场。这导致了一个优化问题，其中测量和模拟之间的误差在观察时间范围内最小化。为了利用湍流的空间相干性，我们在目标函数中使用二次正则化，即基于两点协方差矩阵。此外，为了改善条件，并消除连续性约束，该问题被转化为一个Karhunen-Loève基础。对于优化，我们使用拟牛顿有限记忆BFGS算法结合伴随方法的梯度。我们还考虑重建的基础上泰勒的冻结湍流（TFT）模型作为比较点。为了评估的方法，我们构建了一系列的虚拟激光雷达测量从细网格LES的压力驱动的边界层。重建使用LES在一个较粗的网格和较小的域，并将结果与细网格参考。两种激光雷达扫描模式被认为是：一个经典的平面位置指示器模式，它在水平面内扫过激光雷达光束，和一个三维图案，是基于一个Lissajous曲线。我们发现，归一化误差位于15%和25%之间（误差方差由背景方差归一化）的扫描区域，并增加到$100\%$的距离，这是可比的相关长度尺度以外的扫描区域。此外，根据扫描模式和位置，LES的性能优于TFT 30%至70%。
2020-01-10 physics.flu-dyn
Ensemble Kalman Filter for Data Assimilation coupled with low-resolution computations techniques applied in Fluid Dynamics
本文提出一种结合低分辨率计算与低成本奇异值分解的降阶集合卡尔曼滤波数据同化方法，在保持估计精度的同时大幅降低流体动力学仿真的计算时间与内存占用。
2025-07-02 cs.CE physics.flu-dyn
Mean-field synchronization model of turbulent thermoacoustic transitions
在湍流燃烧系统中观察到的热声不稳定性具有灾难性的后果，并且众所周知，建模、预测和控制具有挑战性。在这里，我们介绍了一个平均场模型的热声转换，其中的非线性火焰响应建模为振幅加权响应的相位振荡器的合奏约束集体演变的节奏声波动。从与相位振子耦合的声波方程出发，导出了振幅和相位的演化方程，得到了极限环解。我们表明，该模型捕捉到突然和连续过渡到热声不稳定性观察不同的燃烧室。我们通过使用参数优化从实验数据估计模型参数来获得对模型的定量见解。重要的是，我们的方法提供了一个解释时空同步和图案形成的基础过渡到热声不稳定性，同时封装的统计特性的desertification，嵌合体，和全球相位同步。我们进一步表明，使用该模型，连续和突然过渡到极限环振荡在湍流燃烧室对应的同步过渡的\textit{second-order}和\textit{first-order}，分别。本配方提供了一个高度可解释的模型的热声转换：经验分岔参数的变化，导致极限环振荡的相位振荡器的耦合强度的增加，促进全球相位同步。该模型在捕捉不同类型的过渡和模式形成状态的一般性突出了本模型扩展到热声之外的广泛的流体动力学现象的可能性。
2022-08-24 nlin.PS physics.flu-dyn
