机器学习分类
- 有监督的机器学习：分类法（神经网络、决策树/随机森林、支持向量机、K最近邻）、回归法（线性、广义线性、高斯过程）、优化与控制法（线性、广义算法、深度模型、分布估计、进化策略）
- 半监督机器学习：优化与控制法、强化学习法（Q学习法、马尔可夫决策、深度强化学习）、生成模型法（对抗生成）
- 无监督机器学习：聚类法（K均值、谱聚类）、降维法（POD/PCA、自编码器、自组织映射、扩展映射）
机器学习在CFD中的应用
- 流常本构模型构建：欧拉-欧拉、欧拉-拉格朗日等RANS（NS方程会产生额外的未封闭项）在细网格下计算量仍然较大，在使用粗网格时考虑局部细致流动信息带来的影响，并进行局部流动信息的数值建模，即为亚格子建模（又称介尺度建模）。
- 反应器数值建模的不确定度量分析：多相反应器CFD数值建模过程中，封闭模型、半经验参数、雷诺应力以及系综平均化计算等因素与物理实际及高分辨率流动结构存在一定的差异，导致数值计算结果存在一定的不确定度。因此，完整的CFD 数值建模过程除了模型的开发（development）、 确 认 （verification） 及 验 证（validation） 外 ， 还 应 包 括 不 确 定 度 量 化（uncertainty quantification，UQ）分析。
- 流场重构及流型识别：流场图像识别与重构、流型及流型转变识别
- 流场关键参数的预测：流动及传递参数预测、反应参数预测
参考资料
- Machine learning in computational fluid dynamics及其中译版ML4CFD 计算流体动力学中的机器学习
- 利用AI求解RANS方程-以2D机翼翼型优化为例
- 机器学习在多相反应器中的应用进展（朱礼涛、罗正鸿等）
手机版“神探玺洛克”请扫码
