Turbulence closure in the light of phase transition
Bangladesh University of Engineering and Technology(孟加拉国工程与技术大学)
本文基于湍流作为连续相变现象,推导了新的湍流闭合方程,并通过数值求解验证了其有效性,同时揭示了湍流应力的奇偶对称性。
2026-04-21 physics.flu-dyn
Turbulence closure modeling with machine learning approaches: A perspective
本文从视角角度审视机器学习在湍流闭合建模中的应用,识别基础物理挑战并评估ML能力,指出当前进展缓慢的原因,强调ML闭合模型的局限性,并倡导更审慎的使用框架。
2023-12-22 physics.flu-dyn
Data-based approach for time-correlated closures of turbulence models
针对湍流数值模拟的小尺度闭合问题,本研究基于Sabra shell模型,通过变量重标度揭示隐藏对称性与普适分布,并利用高斯混合模型近似概率密度函数,构建了具有理论基础且本质概率化的时间相关闭合方法,同时提供了可扩展的机器学习框架以降低黑箱特性。
2023-08-03 physics.comp-ph physics.flu-dyn
Turbulence closure modeling with data-driven techniques: physical compatibility and consistency considerations
湍流闭合模型研究中的最新进展是结合机器学习(ML)元素,如神经网络,以增强对更广泛类别流动的预测能力。这种湍流闭合框架需要求解由ML泛函与传统(基于物理的PB)元素耦合组成的方程组。虽然将来自根本不同意识形态的封闭要素结合起来可以带来前所未有的进展,但必须克服许多关键挑战。本研究探讨了三个这样的挑战:(i)方程建模系统的ML和PB成分之间的物理兼容性(或缺乏物理兼容性);(ii)ML训练过程的内部(自我)一致性;以及(iii)制定最佳目标(或损失)函数进行训练。这些问题对于ML增强方法推广到复杂工程流的预测计算至关重要。查明了现行做法中可能导致严重不一致和不一致的培训和执行战略。使用简单的测试情况下,湍流槽道流,关键的不足之处突出和建议,以减轻他们的调查。兼容性约束进行评估,它表明,迭代训练过程可以帮助确保一定程度的一致性。总之,这项工作发展的基本原则,以指导发展ML增强湍流封闭模型。
2020-04-06 physics.comp-ph physics.flu-dyn
The Closure Challenge: a benchmark task for machine learning in turbulence modelling
Center for Computational Science and Engineering, Massachusetts Institute of Technology(麻省理工学院计算科学与工程中心);Aerodynamics Group, Faculty of Aerospace Engineering, TU Delft(代尔夫特理工大学航空航天工程学院空气动力学组);Institut Jean Le Rond D’Alembert, Sorbonne University(索邦大学让·勒朗·达朗贝尔研究所)
本文提出一个针对机器学习在RANS湍流建模中的基准挑战,提供标准化数据集和评估代码,解决缺乏统一评估指标的问题,并展示初步结果。
2026-03-30 physics.comp-ph physics.data-an physics.flu-dyn
A discussion on "Numerical computations of resonant sloshing using the modified isoAdvector method and the buoyancy-modified turbulence closure model" [Appl. Ocean Res. (2019), 93, article no. 101829, doi:10.1016.j.apor.2019.05.014]
关于Li等人(2019)的讨论[使用修正的isoAdvector方法和浮力修正的湍流闭合模型进行共振晃动的数值计算。Appl. Ocean Res. 93,article no. 101829,DOI:10.1016.j.apor.2019.05.014]。关于Larsen和Fuhrman(2018)的工作的一些错误描述[关于使用雷诺平均Navier-Stokes模型在表面波下过度产生湍流。J. Fluid Mech.853,419-460,DOI:10.1017/jfm.2018.577],关于稳定表面波下的两方程湍流闭合,进行了澄清。
2020-10-29 physics.ao-ph physics.flu-dyn
Solver-in-the-loop approach to closure of shell models of turbulence
本研究提出一种基于循环内求解器的事后数据驱动方法,利用深度学习的可微物理范式训练湍流壳模型的亚网格闭合模型,使其在训练中与微分方程求解器交互,从而获得更准确稳定的闭合效果,并能重现高雷诺数湍流的高阶统计矩。
2025-04-04 nlin.CD physics.flu-dyn
Multiscaling in superfluid turbulence: A shell-model study
利用三维Hall-Vinen-Bekharevich-Khalatnikov(HVBK)方程的壳模型,研究了三维超流湍流中正常速度结构函数和超流速度结构函数的多尺度行为.我们的3D-HVBK壳模型基于Gledzer-Okhitani-Yamada(GOY)壳模型。我们研究的多标度指数的正常流体分数和相互摩擦系数的依赖性。我们对3D-HVBK壳模型的深入研究表明,超流湍流中速度结构函数的多尺度行为比流体湍流中更为复杂。
2015-08-05 cond-mat.quant-gas cond-mat.stat-mech nlin.CD
Hessian-based Lagrangian closure theory for passive scalar turbulence
在标量场的Hessian基础上发展了被动标量湍流的自洽闭合理论。作为标量空间结构的一个原始指标,我们采用了海森到理论的核心,以适当地表征内在的标量场本身的时间尺度。由此产生的封闭模型现在被赋予了几个现实的特征,即尺度间相互作用的尺度局部性、细节保守性和记忆衰退效应。将当前的理论应用于惯性对流范围,最终导致自洽推导的Obukhov-Corrsin光谱与其通用常数与数值和实验数据一致。
2021-09-10 physics.flu-dyn
Multi-Objective CFD-Driven Development of Coupled Turbulence Closure Models
本文介绍了数据驱动湍流建模中的两个新概念,它们可以同时开发多个闭合模型和面向多个目标的训练。这些概念扩展了Weatheritt和Sandberg(2016)的进化框架,该框架从高保真仿真数据中导出可解释和可实现的表达式。通过为演化的闭合模型分配共享的适应度值并利用Zhao等人(2020)的CFD驱动的训练方法,这里引入的多表达式训练概念能够解释训练模型之间的耦合,即雷诺应力各向异性,湍流热通量和湍流产生校正模型。作为第二个概念,多目标优化算法应用于框架。该扩展产生了一组不同的候选模型,并允许在分析训练结果后在训练目标之间进行权衡。在这项研究中,新的概念被应用到一个基准周期性的丘陵情况下,垂直自然对流。与解耦训练策略相比,平均流量的预测得到了改善,对于强耦合的动量场和热场,解耦训练策略具有明显和鲁棒的改进。闭合模型的耦合训练和多个训练目标的平衡被认为是实现广义数据驱动湍流模型的重要能力。
2021-12-31 physics.comp-ph physics.flu-dyn
Kinetic closure of turbulence
HEPIA, University of Applied Sciences and Arts of Western Switzerland(西方瑞士应用艺术大学 HEPIA);Department of Computer Science, University of Geneva(日内瓦大学计算机科学系)
本文提出了一种基于过滤Boltzmann-BGK方程的输运闭合方法,为湍流的替代描述铺平了道路。该闭合方法保留了湍流子滤波应力张量,而无需采用Smagorinsky型假设来描述其结构。通过推广BGK碰撞算子,该方法在非守恒矩中考虑了子滤波湍流扩散。该模型不需要在已解析和未解析尺度之间进行尺度分离。Chapman-Enskog分析显示,其流体动力学极限可以收敛到过滤Navier-Stokes方程,速度梯度隔离了子滤波贡献。在Taylor-Green涡旋和湍流混合层的数值测试中,该方法在稳定性方面有所改进,并在报告案例中减少了耗散,与Smagorinsky模型进行了基准对比。
2026-09-23 physics.comp-ph physics.flu-dyn
On dissipation time scales of the basic second-order moments: the effect on the Energy and Flux-Budget (EFB) turbulence closure for stably stratified turbulence
本文利用直接数值模拟(DNS)评估基本二阶矩耗散率,修订稳定分层湍流的EFB湍流闭合理论,揭示TKE、浮力通量与TPE间的关键反馈机制,维持任意Richardson数下的剪切稳定分层湍流。
2025-01-29 physics.flu-dyn
Effect of Turbulence-Closure Consistency on Airfoil Identification
Division of Applied Mathematics, Brown University(布朗大学应用数学系)
本文研究了湍流闭合一致性对翼型识别的影响,发现使用单一流动条件进行翼型识别是病态的,但通过结合不同攻角下的涡流特征可以缓解这一问题。不同湍流闭合模型导致的几何差异显著,强调了湍流闭合一致性在可靠识别中的重要性。
2026-04-12 physics.flu-dyn
Semi-analytical eddy-viscosity and backscattering closures for 2D geophysical turbulence
University of Chicago(芝加哥大学);Union College(联合学院)
提出半解析框架估计二维地球物理湍流大涡模拟中涡粘性和反向散射闭合参数,通过扩展Lilly标度论证得到闭合形式估计,参数与集成卡尔曼反演学习值高度吻合,LES优于动态Leith和Smagorinsky基线。
2026-06-15 physics.flu-dyn physics.geo-ph
Turbulence closure modeling with data-driven techniques: Investigation of generalizable deep neural networks
基于机器学习(ML)的湍流闭合的可推广性,以准确预测看不见的实际流动仍然是一个重要的挑战。在雷诺平均Navier-Stokes(RANS)水平上,由于两个重要原因,基于NN的湍流闭合模型变得困难:由流动相关的非线性和分叉引起的本构关系的固有复杂性;以及,难以获得覆盖整个参数空间的高保真数据。在这种情况下,工作的目标是调查标准的中等规模的全连接神经网络的逼近能力。我们试图系统地研究的影响:(一)固有的复杂性的解决方案流形;(二)采样程序(内插与外推)和(iii)优化程序。为了克服数据采集的挑战,三个不同程度的复杂性(但明显比湍流物理简单)的代理物理湍流代理生成的参数到解决方案的地图。即使对于这个简单的代理物理系统,也证明了前馈NN需要比原始代理物理模型更多的自由度,以准确地近似真实模型,即使在整个参数空间(插值)上使用数据进行训练。此外,如果深度全连接NN仅使用来自部分参数空间的数据进行训练(外推),则其近似能力会大大降低,并且无法直接找到最佳架构。总的来说,研究结果提供了一个现实的观点ML湍流关闭的实用程序的实际应用,并确定改进的领域。
2021-11-04 physics.comp-ph physics.data-an physics.flu-dyn
A hierarchy of energy- and flux-budget (EFB) turbulence closure models for stably stratified geophysical flows
本文从湍流动能、位能、动量通量和浮力通量的收支方程和湍流耗散时间尺度的松弛方程出发,提出了湍流能量和通量收支闭合的物理背景。该闭合是为从中性到非常稳定的分层地球物理流设计的,并考虑了地球自转。根据现代实验证据,封闭性意味着在任何梯度理查森数Ri下,速度切变都能维持湍流,并区分两种主要不同的状态:Ri << 1时的“强湍流”,典型的边界层流,其特征是湍流普朗特数几乎恒定;以及Ri > 1时的“弱湍流”,这是自由大气或深海的典型特征,其中湍流普兰特数随着Ri的增加而渐进线性增加(这意味着与动量传递相比,对热量传送的抑制非常强)。在不同的应用中使用,封闭制定在不同层次的复杂性,从本地代数模型相关的稳定状态的湍流制度的层次结构的非本地封闭,包括更简单的下降梯度模型,提出的涡流粘度和涡流传导率,和一般的非梯度模型的基础上预测方程的湍流,包括湍流通量的所有基本参数。
2015-05-12 astro-ph.SR physics.ao-ph physics.flu-dyn
Large-Eddy Simulation closures of passive scalar turbulence: a systematic approach
在被动标量输运的背景下,小尺度(“亚网格”)湍流的参数化的问题。我们专注于Kraichnan平流模型本身的封闭问题的分析调查。系统地导出了描述粗粒标量场演化的动力学方程。在$l/r$的最低阶近似下,$l$是定义粗粒标量场的滤波器的特征尺度,$r$是惯性距离分离,我们恢复了小尺度的经典涡扩散率参数化。在下一个领导秩序的动力学封闭。后者优于经典模型,因此是一般湍流中标量输运的亚网格模型的自然候选者。
2003-09-10 nlin.CD physics.ao-ph physics.flu-dyn
Realizable Eddy Damped Markovian Anisotropic Closure for Turbulence and Rossby Wave Interactions
本研究提出可实现的EDMAC模型用于二维湍流与Rossby波相互作用研究,兼具EDQNM的计算效率与瞬态波下的可实现性,同时回顾了Herring对湍流统计闭合理论的奠基性贡献并梳理了相关领域发展脉络。
2023-06-12 physics.flu-dyn
Optimal thermalization in a shell model of homogeneous turbulence
我们调查的连续性引起的耗散的大尺度的统计均匀流使用的“最佳封闭”,其中我们之一(BT)最近暴露在哈密顿动力学的背景下。这种统计封闭采用高斯模型的湍流尺度,相应的消失的第三累积量,但它捕获的内在阻尼。这个明显的悖论的关键在于真正的系综平均值和它们的代理之间的明显区别,当人们直接使用刘维尔方程而不是累积量层次时,最容易理解。我们专注于一个简单的问题,其中的最佳关闭可以完全和准确地制定:放松任意远离平衡的单能量壳吉布斯平衡在无粘壳模型的三维湍流。最佳封闭的预测进行了验证,对DNS和EDQNM封闭的对比。
2016-04-24 cond-mat.stat-mech math-ph math.MP
A framework for the evaluation of turbulence closures used in mesoscale ocean large-eddy simulations
我们提出了一种方法来确定最好的湍流封闭的涡流允许的海洋模式,通过测量关闭的次网格光谱传输和通量的误差景观。我们将这种方法应用到6个不同的封闭强迫耗散模拟的正压涡度方程的f平面(二维纳维-斯托克斯方程)。使用一个高分辨率的基准,我们比较每个封闭的能量和拟能转移的模型,在基准运行中观察到的实际转移。错误景观规范使我们能够在闭包之间进行客观的比较,并优化每个闭包的自由参数以进行公平的比较。超粘性封闭最接近地再现了涡度拟能级联,特别是在较大的尺度上,因为其耗散效应集中在非常小的尺度上。粘性和Leith封闭的表现几乎一样好,特别是在较小的规模,所有三个模型耗散。Smagorinsky闭包在错误的尺度上耗散拟能。预期的位涡闭合是唯一能从未解尺度再现高尺度动能转移的模型,但需要高阶拉普拉斯修正,以便将耗散集中在最小尺度。拉格朗日平均α-模型封闭没有成功地执行强制二维各向同性的纳维尔-斯托克斯方程:小规模的对流仅略有减少的模型,而小规模的卷起被阻止。这样就减少了扩散的影响。
2012-11-26 nlin.CD physics.ao-ph physics.flu-dyn
On two-dimensionalization of three-dimensional turbulence in shell models
应用改进的Gledzer-Ohkitani-Yamada(GOY)壳模型,研究和再现了三维不可压缩、均匀、各向同性、充分发展的非受迫湍流的二维化效应。在壳模型的框架内,我们得到了以下结果:(i)逐步陡峭的能谱的旋转强度的增加,和,(ii)耗尽的能量通量的向前向前级联,有时会导致一个逆级联。存在的扩展自相似性和自相似PDF的纵向速度差旋转三维湍流的情况下也提出了。
2010-02-03 cond-mat.stat-mech nlin.CD physics.flu-dyn
Clustering of Rapidly Settling, Low-Inertia Particle Pairs in Isotropic Turbulence. I. Drift and Diffusion Flux Closures
在这两个部分的研究中,我们提出了一个随机理论的发展和分析表征的相对位置的单分散,低惯性粒子对,迅速解决均匀各向同性湍流。在小Stokes数和Froude数使得$Fr \ll St_η\ll 1$的限制下,给出了对相对位置的概率密度函数(PDF)方程中漂移通量和扩散通量的封闭式.该理论着重于湍流耗散区中颗粒对的相对运动,即,对于小于柯尔莫哥洛夫长度尺度的对分离。在这种情况下,理论近似的流体速度场在参考系以下的主要粒子作为局部线性。
2018-08-15 physics.flu-dyn
Towards bridging the gap between data-driven and theoretical turbulence closures in stratified flows
New York University(纽约大学)
本文探讨了海洋中尺度涡旋的湍流闭合问题,通过理论分析和数据驱动方法,旨在弥合人工智能与理论流体动力学之间的差距。
2026-06-23 physics.ao-ph physics.flu-dyn
Two-point Turbulence Closures in Physical Space
University of Michigan(密歇根大学)
本文提出了一种物理空间中的预测性两点统计闭合框架,用于湍流建模。通过发展一个用于均匀各向同性湍流的闭合模型,展示了该方法在更一般流体中的可行性,同时探讨了非局部长度尺度信息对湍流统计演变的影响。
2025-11-01 physics.flu-dyn
Extreme Event Prediction with Multi-agent Reinforcement Learning-based Parametrization of Atmospheric and Oceanic Turbulence
Rice University(莱斯大学);ETH Zurich(苏黎世联邦理工学院);Harvard University(哈佛大学)
本文提出利用科学多智能体强化学习(SMARL)结合湍流物理原理学习大气与海洋湍流闭合参数化,仅用少量高保真样本估计的拟涡能谱训练策略,即可在低分辨率模拟中稳定重现高保真统计特性,为数据稀缺条件下GCM闭合建模提供了新途径。
2023-12-01 cs.CE cs.LG physics.ao-ph
Frame invariant neural network closures for Kraichnan turbulence
地球物理和大气流动的数值模拟必须依赖于次网格尺度过程的参数化,由于其有限的空间分辨率。尽管在开发参数化(或关闭)模型的亚网格尺度(SGS)的过程中使用物理见解和数学近似取得了重大进展,他们仍然不完善,并可能导致不准确的预测。近年来,机器学习已经成功地从高分辨率时空数据中提取复杂模式,从而改进了参数化模型,并最终实现了更好的粗网格预测。然而,无法满足已知的物理和推广性差,阻碍了这些模型的实际问题的应用。在这项工作中,我们提出了一种框架不变闭包方法,通过将物理对称性直接嵌入神经网络的结构中,来提高基于深度学习的亚网格尺度闭包模型的准确性和可推广性。具体来说,我们在卷积神经网络中使用了专门的层,使得理论上可以保证所需的约束,而不需要任何正则化项。我们展示了我们的框架,主要特征是由前向涡度拟能级联的二维衰减湍流测试情况。我们表明,我们的框架不变SGS模型(i)准确地预测亚网格尺度源项,(ii)尊重物理对称性,如平移,伽利略和旋转不变性,(iii)在粗网格模拟中实现时,具有不同的初始条件和雷诺数的推广是数值稳定的。这项工作建立了广泛的物理为基础的理论和数据驱动的建模范式之间的桥梁,从而代表了一个有前途的一步,物理上一致的数据驱动的湍流封闭模型的发展。
2022-01-09 physics.comp-ph physics.flu-dyn
Non-white noise and a multiple-rate Markovian closure theory for turbulence
湍流的马尔可夫模型可以从直接相互作用近似(DIA)的重正化统计闭合方程导出。经常引入各种简化,包括两次关联函数与重整化无穷小传播子(格林函数)成比例的假设,即波动的去相关速率等于扰动的衰减速率。虽然这是热平衡的涨落耗散定理的严格结果,但它不一定适用于所有类型的湍流。基于以前关于可实现的马尔可夫闭包的工作,我们探索了一种允许去相关和衰减速率不同的方法(在某些情况下,可以更准确地处理非白噪声等效应),同时保留马尔可夫近似的计算优势。一些马尔可夫近似只在初始瞬态阶段不同,但这里提出的多速率马尔可夫封闭(MRMC)可以修改稳态谱。马尔可夫模型可以直接用于研究湍流在广泛的物理问题(包括带状流,最近的兴趣在等离子体物理),或者他们可能是一个有用的出发点,为计算机模拟派生亚网格湍流模型。
2002-03-11 physics.flu-dyn physics.plasm-ph
Learning Turbulence Closures with Physics-Informed Neural Networks for the Rayleigh-Taylor Transition to Turbulence
CEA, DAM, DIF(法国原子能和替代能源委员会,核能研究与开发部,物理与工程科学研究所);Université Paris-Saclay, CEA, LMCE(巴黎萨克雷大学,法国原子能和替代能源委员会,分子和凝聚态化学实验室)
研究瑞利-泰勒湍流转变中RANS模型预测不佳问题,利用数据驱动策略,将简单$k$-$\varepsilon$-$b$模型嵌入PINN校准系数、识别校正项,重新表达校正项得到可解释模型,经DNS数据库评估可改善混合层增长预测。
2026-07-09 physics.data-an physics.flu-dyn
Evaluation of explicit and implicit LES closures for Burgers turbulence
在这项工作中,我们进行了隐式和显式大涡模拟封闭模型求解Burgers湍流问题的后验误差分析。我们的闭合建模工作包括配备各种低通滤波器的功能和结构模型。我们引入离散二项式平滑滤波器和增强版的Van Cittert算法,以加速近似反卷积过程的收敛,包括正则化和松弛滤波方法。我们的隐式建模工作包括各种高阶格式,包括紧凑和非紧凑的五阶迎风格式,以及加权基本无振荡(WENO)和紧凑的重建WENO(CRWENO)计划,所得到的计划被证明有效地收敛到直接数值模拟(DNS),以提高分辨率。与DNS和欠解析DNS计算相比,我们的数值评估说明了这些方法捕获网格截止尺度附近的能量含量的能力。
2016-04-28 physics.flu-dyn
Quantifying Model Uncertainty of Neural Network-based Turbulence Closures
针对基于神经网络的湍流闭合模型在核工程应用中的不确定性瓶颈,研究对比了三种不确定性量化方法,发现Deep Ensembles预测精度最高,且三种方法各有不确定性估计特点。
2024-12-11 physics.flu-dyn
Eulerian Field-Theoretic Closure Formalisms for Fluid Turbulence
Wyld [2]和Martin,Siggia,and Rose(MSR)[3]的形式主义解决了基于主要为量子场论开发的技术的均匀各向同性湍流(HIT)的统计处理的闭合问题。在Wyld形式主义中,有一个众所周知的双重计数问题,Lee [44]提出了{ \it ad hoc}解决方案。我们展示了如何从形式主义的基本方程以更自然的方式实现这种校正。这导致了我们所谓的“改进的Wyld-Lee重整化微扰理论”。MSR指出,他们的形式主义比Wyld的形式主义有更多的顶点函数,并基于此认为Wyld的形式主义是不正确的。然而,仔细比较这两种形式主义在这里表明,Wyld形式主义遵循不同的程序的MSR形式主义,所以顶点校正的治疗出现在不同的方式在两种形式主义。考虑到这一点,随着澄清这两种形式主义,我们发现,他们是等价的,我们证明这四阶。
2012-12-05 cond-mat.stat-mech physics.flu-dyn
Formulating turbulence closures using sparse regression with embedded form invariance
提出了一种基于数据驱动的RANS方程闭包生成框架。近年来,科学界已经转向机器学习技术,将大量高分辨率数据提取到改进的RANS闭包中。虽然这一领域的工作主要是利用神经网络(NN),但我们也可以利用稀疏回归框架。这种方法有两个重要的属性:(1)所得到的模型是在一个封闭的,代数形式,允许直接的物理推断得出和天真的集成到现有的计算流体动力学求解器,和(2)伽利略不变性可以保证周到的剪裁的特征空间。我们的方法被证明为两类流动:均匀自由剪切湍流和湍流的波浪壁。这项工作证明了与现代NN相同的性能,但具有可解释性,增加易用性和传播性以及对稀疏训练数据集的鲁棒性的额外好处。
2020-03-28 physics.flu-dyn
Unifying formalism and closures for coarse-grained approaches to turbulence
University of Modena and Reggio Emilia(摩德纳和雷焦艾米利亚大学);Paul Scherrer Institute(保罗谢尔研究所)
本文提出时间过滤范式,统一了尺度解析与统计方法中的湍流闭合式,通过动态程序捕捉了湍流转变和分离再附着等复杂现象。
2026-10-05 physics.flu-dyn
Sparse identification of multiphase turbulence closures for coupled fluid--particle flows
在这项工作中,模型封闭的多相湍流平均Navier-Stokes(RANS)方程的均匀,充分发展的气体颗粒流。到目前为止,大多数RANS封闭是基于单相湍流模型的扩展,这无法捕获复杂的两相流动动力学在稀相和密相区域,特别是当相之间的双向耦合是重要的。在本研究中,颗粒在重力作用下在无界粘性流体中沉降。在足够的质量负荷,相间的动量交换的相位之间的结果在自发产生的粒子团簇,维持流体中的速度波动。从欧拉-拉格朗日模拟产生的数据用于模型闭合的稀疏回归方法,以确保形式不变性。特别注意的是建模的非封闭条款独特的多相RANS方程(阻力生产,阻力交换,压力应变和粘性耗散)。张量的最小集合,作为建模的基础。据发现,稀疏回归识别紧凑的,代数模型是准确的流量条件和稀疏的训练数据的鲁棒性。
2020-04-20 physics.flu-dyn
Energy and flux budget closure theory for passive scalar in stably stratified turbulence
针对稳定分层湍流,发展了被动标量(非浮力和非惯性粒子或气体混合物)的能量和通量收支(EFB)封闭理论。EFB湍流闭合的物理背景是基于湍流动能和势能以及动量和浮力的湍流通量以及颗粒的湍流通量的收支方程。EFB湍流闭合是为从中性到非常稳定的分层地球物理流而设计的,它意味着在任何分层处,湍流都是由速度切变维持的。在定常状态下,导出了被动标量的湍流通量和各向异性非对称湍流扩散张量的表达式,并得到了该张量各分量的普适通量理查森数依赖关系。湍流扩散张量在垂直方向上的对角分量被强分层抑制,而在水平方向上的对角分量没有被抑制,并且它们与湍流扩散张量的其他分量相比是占主导地位的。这意味着,任何最初创建的强烈不均匀的粒子云演变成一个薄煎饼在水平面上的垂直方向上的厚度非常缓慢的增加。湍流Schmidt数随梯度理查森数线性增加。考虑到这些结果的应用程序的大气边界层湍流,理论关系推导出允许确定的湍流扩散张量作为一个函数的垂直坐标测量的单位的地方Obukhov长度尺度。所得到的关系式在模拟大气边界层湍流和自由大气湍流中的颗粒弥散方面具有潜在的应用价值。
2021-06-02 physics.ao-ph physics.flu-dyn
Internal gravity waves in the energy and flux budget turbulence-closure theory for shear-free stably stratified flows
本文提出了考虑重力重力内波与无剪切稳定层结湍流双向耦合的能量通量平衡湍流闭合理论。该理论基于IGW的总(动能加势能)能量的收支方程、流体湍流的动能和势能的收支方程以及波浪和流体流动的位温的湍流通量。在一定高度处发射的波向上传播,并且波浪能的损失导致湍流能的产生。我们证明,由于非线性效应更强的波浪产生更强的湍流,这反过来又导致IGW的强阻尼。结果表明,较强的波浪的穿透长度比较弱的IGW的穿透长度短。弱IGW产生的湍流各向异性比强IGW产生的湍流各向异性强。低振幅IGW产生的湍流占湍流势能的90%。这类似于所观察到的高空对流层强各向异性(近二维)湍流的性质。
2019-06-24 astro-ph.EP astro-ph.SR physics.ao-ph
Differentiable Turbulence: Closure as a partial differential equation constrained optimization
Carnegie Mellon University(卡内基梅隆大学);Pennsylvania State University(宾夕法尼亚州立大学);University of Michigan(密歇根大学);Argonne National Laboratory(阿贡国家实验室)
本文提出可微湍流框架,利用端到端可微求解器与物理启发的深度学习架构学习二维湍流SGS闭合模型,证明小尺度非局部特征最关键,且该方法在精度、效率和泛化性上优于离线先验学习。
2024-03-27 cs.LG physics.flu-dyn
A nonlinear structural subgrid-scale closure for compressible MHD Part II: a priori comparison on turbulence simulation data
尽管可压缩等离子体湍流在许多天体物理现象中都会遇到,但它的影响往往没有得到很好的理解。此外,直接数值模拟通常不能达到这些过程的极端参数。为此,大涡模拟(LES),它只直接模拟大,中尺度,被采用。最小的,未解决的尺度和小尺度和大尺度之间的相互作用,通过一个亚网格尺度(SGS)模型。我们提出并验证了一组新的非线性SGS闭包,以供未来作为可压缩磁流体动力学(MHD)大涡模拟中的SGS模型应用。我们使用了15种不同音速马赫数的强迫、各向同性、均匀湍流的模拟(没有显式SGS模型)$\mathrm{M_s} = 0.2$到$20$,作为文献中迄今为止进行的最广泛的\textit{a priori}试验的参考数据。在这些测试中,我们显式地过滤参考数据,并将新闭包的性能与最广泛测试的闭包进行比较。这些包括具有不同归一化的涡动粘度和尺度相似性类型的闭包。性能指标是与湍流能量和交叉螺旋通量、平均SGS耗散、拓扑结构以及再现SGS矢量的正确大小和方向的能力的相关性。我们发现,只有新的非线性闭包表现出一贯的高相关性(中值\textgreater $0.8$)与数据在整个参数空间,并优于其他封闭在所有测试。此外,我们表明,这些结果是独立的分辨率和选择的过滤器规模。此外,新的封闭件有效地无系数,偏差小于$20\%$。
2016-06-05 astro-ph.GA astro-ph.SR physics.comp-ph
Physics-Informed Tensor Basis Neural Network for Turbulence Closure Modeling
针对线性涡黏性模型无法准确预测复杂湍流的问题,提出结合深度神经网络与可实现性约束的物理信息张量基神经网络,显著提升了传统复杂工况下各向异性张量的预测精度。
2023-11-24 physics.comp-ph physics.flu-dyn
A continuous data assimilation closure for modeling statistically steady turbulence in large-eddy simulation
本文提出一种基于三维变分数据同化的大涡模拟闭合模型,通过反馈控制将未解析动力学表示为随机过程,以少量参数在粗模拟中准确重建地转湍流的能量谱与纬向速度剖面。
2024-07-01 physics.ao-ph physics.flu-dyn
A new hybrid mass-flux/ high-order turbulence closure for ocean vertical mixing
虽然已经提出了不同复杂程度的垂直湍流通量的各种参数化,但每种参数化都有其自身的局限性。例如,简单的一阶封闭方案,如K剖面参数化(KPP)缺乏能量约束;两方程模型,如$k-ε$直接求解湍流动能方程,但不考虑非局部通量,高阶封闭,包括非局部传输项是计算昂贵的。为了解决这些问题,在这里,我们扩展了假定分布高阶闭包(ADC)框架最初提出的大气边界层,并将其应用到海洋表面边界层(OSBL)。通过假设垂向速度与示踪物之间的概率分布函数关系,ADC格式精确地构造了所有的二阶和高阶矩,实现了湍流闭合。此外,ADC参数化方案具有完全能量约束。我们已经测试了ADC计划对组合的大涡模拟(LES),KPP,和$k-ε$的表面浮力驱动的对流混合,发现ADC计划是强大的不同的垂直分辨率和比较LES的结果。
2022-12-17 physics.ao-ph physics.flu-dyn
Deep Learning of Solver-Aware Turbulence Closures from Nudged LES Dynamics
School of Mechanical Engineering(机械工程学院);Purdue University(普渡大学);College of Information Sciences and Technology(信息科学与技术学院);Pennsylvania State University(宾夕法尼亚州立大学)
提出基于连续数据同化框架的深度学习方法,利用稀疏观测的DNS数据先验训练湍流闭合模型,无需修改或微分LES求解器,同时保持部署稳定性,并显式条件化数值格式以适配不同离散化。
2026-06-11 cs.LG math.DS physics.comp-ph
Well-posedness of neural turbulence closures and tangent dissipation
Brown University(布朗大学)
该研究针对神经湍流闭合,证明全局切向耗散保证单调算子的适定性,并提出两种促进方法,在槽道流测试中验证了唯一性并大幅降低逆灵敏度。
2026-09-18 cs.LG physics.flu-dyn
Nonlinear closures for scale separation in supersonic magnetohydrodynamic turbulence
可压缩等离子体中的湍流在天体物理和工程的许多领域中起着关键作用。然而,在这些环境中的极端等离子体参数,例如高雷诺数,超声速和超Alfvenic流,使得直接的数值模拟计算棘手,即使是最简单的治疗-磁流体动力学(MHD)。为了克服这个问题,人们可以使用子网格尺度(SGS)封闭-模型的影响,未解决的,子网格尺度上解决的。在这项工作中,我们提出并验证了一组常系数封闭的解决,可压缩,理想的MHD方程。亚网格尺度的能量模拟Smagorinsky一样的平衡闭包。湍流应力和电动势(EMF)的表达式是非线性的大规模速度和磁场梯度。为了验证关闭,我们进行了先验测试超过137模拟快照从两个不同的代码与不同的比例的热磁压力($β_\mathrm{p} = 0.25, 1, 2.5, 5, 25$)和音速马赫数($M_s = 2, 2.5, 4$)。此外,我们比较传统的,现象学的涡流粘度和$α-β-γ$封闭。我们发现只有平庸的性能的动力学涡粘性和$α-β-γ$封闭,磁涡粘性封闭与模拟数据的相关性很差。此外,传统闭包的五个系数中有三个在值上表现出显著的分布。相比之下,我们的新封闭件随着时间的推移和在测试的广泛参数范围内表现出一贯的高相关性和常系数值。可压缩MHD湍流的重要方面,如双向能量级联,湍流磁压力和正确的对齐的电动势很好地描述了我们的新封闭。
2015-03-02 astro-ph.GA astro-ph.SR physics.flu-dyn
Anomalous scaling in shell model turbulence
本文对稳态湍流壳模型进行精密分析,计算了前百个反常标度指数及速度幅值与相位的统计关联,发现高阶矩呈线性标度并解释其起源,为理解流体湍流结构提供了新见解。
2024-02-12 astro-ph.HE nlin.CD physics.flu-dyn
Development of a class of dynamic RANS closures for coarse-grained approaches to turbulence
Department of engineering ”Enzo Ferrari”, University of Modena and Reggio Emilia(摩德纳和雷焦艾米利亚大学恩佐·费拉里工程学院)
本文基于时间滤波Navier-Stokes方程框架,扩展了动态RANS闭合模型,提出新的k-ω动态公式,解决了自由流湍流非物理衰减问题,并通过尺度分辨模拟验证了其对时间粗粒化的鲁棒性及复杂流动现象的捕捉能力。
2026-10-05 physics.flu-dyn
Quantifying Out-of-Training Uncertainty of Neural-Network based Turbulence Closures
Mechanical and Aerospace Engineering, Utah State University(犹他州立大学机械与航空航天工程学院);Idaho National Laboratory(爱达荷国家实验室);School of Nuclear Science and Engineering, Oregon State University(俄勒冈州立大学核科学与工程学院)
本文比较了深度集成、蒙特卡洛Dropout、随机变分推断三种神经网络方法与高斯过程在湍流封闭模型训练分布外不确定性量化上的表现,发现高斯过程精度最高但计算成本大,深度集成在分布外UQ中表现稳健且成本较低。
2025-08-23 cs.LG physics.flu-dyn
Elastic turbulence in a shell model of polymer solution
我们发现,在低惯性和大弹性,壳模型的粘弹性流体开发一个混沌行为的属性类似的弹性湍流。壳模型的低维性使我们能够探索聚合物浓度和Weissenberg数的宽范围。我们的研究结果表明,在弹性湍流的起源的物理机制不依赖于边界条件或平均流的几何形状。
2016-03-05 physics.flu-dyn
Turbulence in the highly restricted dynamics of a closure at second order: comparison with DNS
随机结构稳定性理论(Stochastic Structural Stability Theory,S3 T)采用二阶封闭来获得统计平均湍流状态的动力学。当S3 T被实现为一组耦合方程的流向平均和扰动状态,在动态的非线性被限制到平均和扰动之间的相互作用。S3 T统计平均状态动力学可以通过类似地限制在全纳维-斯托克斯方程(称为NS系统)的直接数值模拟(DNS)中使用的动力学来近似地实现。虽然这种限制的非线性系统(称为RNL系统)在其动力学大大简化相关联的NS相比,它仍然自我维持的湍流状态在壁有界剪切流的结构和动力学在观察到的湍流。此外,RNL湍流可以有效地使用理论方法来研究密切相关的S3 T系统。为了更好地理解RNL湍流及其与NS湍流的关系,对这些系统的结构和动力学诊断进行了广泛的比较。虽然定量的差异被发现,结果表明,在RNL系统中的湍流密切平行,在NS和建议的S3 T/RNL系统提供了一个有前途的降低复杂性模型研究湍流壁有界剪切流。
2014-01-30 physics.flu-dyn
Prediction of Extreme Events in Multiscale Simulations of Geophysical Turbulence using Reinforcement Learning
University of Chicago(芝加哥大学);Union College(联合学院);Harvard University(哈佛大学);Rice University(莱斯大学)
本文提出SMARL方法,通过强化学习开发大气/海洋湍流闭合,利用涡量谱作为奖励,实现稳定模拟并捕捉极端事件,为气候建模提供新工具。
2026-02-26 physics.comp-ph physics.flu-dyn physics.geo-ph
Solvable intermittent shell model of turbulence
我们介绍了一个壳模型的湍流具有间歇性的行为与异常幂律标度的结构功能。这个模型是解决解析与显式推导的异常指数。该解决方案将Kolmogorov乘子的隐藏对称性与非对称性相关联,使我们的方法与真实湍流相关。
2021-08-06 math-ph math.MP physics.flu-dyn
Training of particle-turbulence sub-grid-scale closures with just particle data
University of Illinois Urbana–Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文探讨利用粒子数据训练亚格尺度闭合关系,发现仅关注粒子动能而非流场信息也能有效建模,且在数据降质情况下仍保持鲁棒性。
2026-04-29 physics.comp-ph physics.flu-dyn
A localized dynamic closure model for Euler turbulence
在这项工作中,我们提出了一个本地化的形式的动态涡粘性模型的计算效率和准确的模拟由欧拉方程的湍流。在我们的框架中,我们确定的动态模型系数本地使用的信息,从相邻的网格点,通过测试过滤过程。然后,我们开发了一个优化的高斯滤波内核,使用一个一致的定义,相对于测试滤波比,它给出了在网格截止波数全衰减。系统的后验分析我们的模型是通过解决两个三维测试问题:(i)不可压缩的泰勒-格林涡流和(ii)可压缩剪切层湍流诱导的Kelvin-Helmholtz不稳定性,以显示广泛的适用范围所提出的本地化动力学模型。我们表明,所提出的动态模型是强大的,并提供了一个更好的估计比其他数值模型在这项研究中测试的惯性范围湍流动力学。
2018-10-02 physics.flu-dyn
Shell model of superfluid turbulence
超流氦由两种相互渗透的流体组成,一种是粘性的正常流体,另一种是无粘性的超流体,它们通过相互摩擦耦合在一起。本文发展了一个研究超流湍流的双流体壳模型。我们调查的能量谱和两种流体之间的通量作为温度的函数在连续强制湍流的平衡,并在没有强迫,湍流的衰减。此外,我们调查偏离$k^{-5/3}$频谱所造成的相互摩擦力。我们比较我们的结果与实验和现有的计算。我们发现,在足够低的温度下,能量的积累在高波数下发展,这表明需要进一步的耗散效应,如开尔文波级联和声子发射。
2011-10-11 cond-mat.stat-mech physics.flu-dyn