基于神经网络组件的K-W/V2-F模型构建K-W-NET湍流模型

DOI:

评审日期

出版日期

注解: 这项工作的主题是基于将神经网络组件引入众所周知的标准半经验模型的湍流模型。 有人认为，这种技术允许通过基于使用足够准确和完美的模型获得的数据训练神经网络组件，用这些组件替换或补充原始模型的单个片段，从而在保持足够的准确性和稳定性的同时显着加速计算。 作者回顾了湍流建模的现有经典方法，在此基础上，他将Durbin的V2-F模型确定为最先进的模型之一，因此在随后的神经网络修改方面具有前景。 提出了一种基于K-W模型并结合根据V2-F Durbin模型训练的神经网络组件的新湍流模型。 给出了所有必要的比率。 在单个障碍物周围流动的数值实验中研究了所得模型的属性。 将结果与其他已知的半经验模型（K-E，K-W）以及直接神经网络模型获得的数据进行比较。 结果表明，与其他模型相比，所提出的模型的计算复杂度较低（但直接神经网络不太准确除外），具有非常高的准确性，接近Durbin模型的准确性。

出版日期: