論文の概要: Data-assisted combustion simulations with dynamic submodel assignment using random forests

• arxiv url: http://arxiv.org/abs/2009.04023v3
• Date: Sun, 17 Jan 2021 20:24:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 21:45:19.116787
• Title: Data-assisted combustion simulations with dynamic submodel assignment using random forests
• Title（参考訳）: ランダム森林を用いた動的サブモデル配置によるデータ支援燃焼シミュレーション
• Authors: Wai Tong Chung, Aashwin Ananda Mishra, Nikolaos Perakis, Matthias Ihme
• Abstract要約: 局所および動的燃焼サブモデル割当のためのランダム森林分類器を用いたデータアシスト手法について概説する。 この方法は、単一元素のGOX/GCH4ロケット燃焼器のシミュレーションに応用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this investigation, we outline a data-assisted approach that employs random forest classifiers for local and dynamic combustion submodel assignment in turbulent-combustion simulations. This method is applied in simulations of a single-element GOX/GCH4 rocket combustor; a priori as well as a posteriori assessments are conducted to (i) evaluate the accuracy and adjustability of the classifier for targeting different quantities-of-interest (QoIs), and (ii) assess improvements, resulting from the data-assisted combustion model assignment, in predicting target QoIs during simulation runtime. Results from the a priori study show that random forests, trained with local flow properties as input variables and combustion model errors as training labels, assign three different combustion models - finite-rate chemistry (FRC), flamelet progress variable (FPV) model, and inert mixing (IM) - with reasonable classification performance even when targeting multiple QoIs. Applications in a posteriori studies demonstrate improved predictions from data-assisted simulations, in temperature and CO mass fraction, when compared with monolithic FPV calculations. These results demonstrate that this data-driven framework holds promise for the dynamic combustion submodel assignment in reacting flow simulations.
• Abstract（参考訳）: 本研究では,乱気流シミュレーションにおける局所および動的燃焼サブモデル割り当てのためのランダムフォレスト分類器を用いたデータ支援手法について概説する。 本手法は, 単要素GOX/GCH4ロケット燃焼器のシミュレーションに適用し, 先行および後部評価を行った。 (i)異なる利得量(qois)を対象とする分類器の精度と調整性を評価する。 (ii)シミュレーション実行時の目標qois予測におけるデータ支援燃焼モデルの割り当てによる改善を評価する。 先行研究の結果, 局所流動特性を入力変数とし, 燃焼モデル誤差をトレーニングラベルとし, 有限レート化学 (FRC) , フレアレット進行変数 (FPV) モデル, 不活性混合 (IM) の3種類の燃焼モデルを, 複数のQoIを標的とした場合でも合理的な分類性能で割り当てた。 後部研究の応用は、モノリシックなFPV計算と比較して、温度とCO質量分率におけるデータアシストシミュレーションによる予測の改善を示す。 これらの結果から, 反応流シミュレーションにおける動的燃焼サブモデル割当が期待できることを示す。

関連論文リスト

• Supervised Score-Based Modeling by Gradient Boosting [49.556736252628745]
  本稿では,スコアマッチングを組み合わせた勾配向上アルゴリズムとして,SSM(Supervised Score-based Model)を提案する。 推測時間と予測精度のバランスをとるため,SSMの学習とサンプリングに関する理論的解析を行った。 我々のモデルは、精度と推測時間の両方で既存のモデルより優れています。
  論文  参考訳（メタデータ） (2024-11-02T07:06:53Z)
• On conditional diffusion models for PDE simulations [53.01911265639582]
  スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。 本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。 また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-21T18:31:04Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• A Priori Uncertainty Quantification of Reacting Turbulence Closure Models using Bayesian Neural Networks [0.0]
  反応流モデルにおける不確実性を捉えるためにベイズニューラルネットワークを用いる。 我々は、BNNモデルが、データ駆動クロージャモデルの不確実性の構造に関するユニークな洞察を提供することができることを示した。 このモデルの有効性は,様々な火炎条件と燃料からなるデータセットに対する事前評価によって実証される。
  論文  参考訳（メタデータ） (2024-02-28T22:19:55Z)
• A generative model for surrogates of spatial-temporal wildfire nowcasting [13.551652250858144]
  3次元ベクトル量子変分オートコーダを用いて生成モデルを提案する。 このモデルは、最近カリフォルニア州で起きた大規模な山火事(チムニー火災)のエコリージョンでテストされている。 数値的な結果から, 連続かつ構造的な火災シナリオの生成に成功した。
  論文  参考訳（メタデータ） (2023-08-05T06:54:18Z)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)
• Applying Physics-Informed Enhanced Super-Resolution Generative Adversarial Networks to Turbulent Premixed Combustion and Engine-like Flame Kernel Direct Numerical Simulation Data [0.0]
  この研究は、最近開発されたPIESRGANによる乱流予混合燃焼のモデリング手法を推し進めている。 その結果, 全乱流予混合火炎核の直接数値シミュレーションデータに対して, 先行実験と後続試験に良好な結果が得られた。
  論文  参考訳（メタデータ） (2022-10-28T15:27:46Z)
• A Spatio-Temporal Neural Network Forecasting Approach for Emulation of Firefront Models [11.388800758488314]
  モデルエミュレーションのための専用時間ニューラルネットワークベースのフレームワークを提案する。 提案手法は、ニューラルネットワークに基づくアプローチにおいてしばしば困難となる、空間的および時間的細部での予測を近似することができる。 実証実験では、シミュレーションとエミュレートされたファイアフロント間の良好な一致が示され、平均的なジャカードスコアは0.76である。
  論文  参考訳（メタデータ） (2022-06-17T03:11:18Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)
• Interpretable Data-driven Methods for Subgrid-scale Closure in LES for Transcritical LOX/GCH4 Combustion [0.0]
  本研究の目的は、従来の物理駆動アプローチと解釈可能な機械学習アルゴリズムからストレスモデルを評価することである。 特徴集合に物理ベースの制約を適用すると,ランダムフォレスト回帰器の精度が低下した。
  論文  参考訳（メタデータ） (2021-03-11T00:54:50Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。