题目：基于机器学习的湍流预测方法

时间：2023年12月13日 10:00-14:00

地点：suncitygroup太阳新城官网 F301会议室

邀请人：尹俊连 副研究员（核科学与工程学院）

报告人简介

王伯福，上海大学教授。博士毕业后在武汉大学从事博士后工作。2016年进入上海市应用数学和力学研究所工作（期间赴英国诺丁汉大学访问研究）。研究方向为湍流与流动稳定性，机器学习方法在流体力学中的应用等。主持国家自然科学基金及上海市自然科学基金等省部级以上课题4项。研究成果发表在Science Advances、Journal of Fluid Mechanics 、AIAA Journal 等期刊，共发表SCI论文60余篇。

报告摘要

湍流快速预测是流体力学研究热点问题之一，尤其是随着人工智能技术的发展，利用机器学习方法进行湍流预测的研究越来越多。本报告将介绍近期在湍流预测方面的几部分工作：第一，构造了机器学习混合方法，实现了湍流场历史测点时间序列对未来时刻变化的预测，通过对风速序列的预测验证了该方法的有效性；第二，搭建了基于DenseNet与ConvLSTM的混合深度网络，通过流场演变的历史数据预测未来流场变化情况，并将该方法应用到二维和三维近壁圆柱绕流的预测；第三，利用自编码网络和循环神经网络建立了稀疏测点的时间序列与流场数据间的映射，从而能够用稀疏测量数据预测流场情况，通过对不可压缩圆柱绕流和可压缩边界层流动的预测验证了方法的可行性。