文献

J-GLOBAL ID：202102243791941335   整理番号：21A1946891

テンソル基底ニューラルネットワークに基づくRANSモデルの再構築と流れ場の交差検証【JST・京大機械翻訳】

Reconstruction of RANS Model and Cross-Validation of Flow Field Based on Tensor Basis Neural Network

著者 (5件)： Song Xudong (Peking University, Beijing, China) ,  Zhang Zhen (Chinese Academy of Sciences, Beijing, China) ,  Wang Yiwei (Chinese Academy of Sciences, Beijing, China) ,  Ye Shuran (Chinese Academy of Sciences, Beijing, China) ,  Huang Chenguang (Chinese Academy of Sciences, Beijing, China)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： AJKFluids2019  ページ： Null  発行年： 2019年 
JST資料番号： A0478C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Reynolds平均Navier-Stokes(RANS)方程式の解は,工学問題において広く用いられている。しかし,このモデルは満足な予測精度を提供しない。広く用いられている渦粘性モデルはReynolds応力と平均歪速度テンソルの間の線形関係を仮定し,これらの線形モデルは実際の流れの異方性特性を捉えることができない。本論文では,二次元円筒流と円管噴流の2種類の流れ場構造をRANSモデルを用いて計算した。第二に,RANSモデルの予測精度を改善するために,RANSモデルのReynolds応力を非線形渦粘性モデルに基づくテンソル基底ニューラルネットワークアルゴリズムによって再構成した。最後に,ニューラルネットワークによって訓練されたモデルを交差検証し,従来のRANS k-epsモデルとクロステスト結果を比較した。結果は,多層ニューラルネットワーク方式が乱流モデル再構成において良い結果を達成したことを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 異方性 ,  *テンソル ,  *ニューラルネットワーク ,  再構成 ,  渦粘性 ,  線形性 ,  歪速度 ,  二次元 ,  Reynolds応力 ,  *流れ場 ,  乱流モデル
準シソーラス用語： 予測精度 ,  *RANS ,  線形モデル ,  Reynolds平均 , 【Automatic Indexing@JST】

分類 (2件)： 流体動力学一般  (BC02010G) ,  物体の周りの流れ  (BC02040N)

タイトルに関連する用語 (8件)： テンソル ,  基底 ,  ニューラルネットワーク ,  RANSモデル ,  再構築 ,  流れ場 ,  交差 ,  検証