论文部分内容阅读
在机器学习应用于湍流模型的改进与湍流预测时，湍流特征的提取与选择现在大多依赖人们对湍流的认知，这个工作复杂且没有一个统一的共识。本文将采用卷积神经网络的思想提出一种具有普适性的提取湍流特征新方法，将原始流场信息进行卷积，采用DNS结果进行数据导向的误差反向传播运算，以此选择符合模型的高阶湍流特征。