.png){kind=icon}
返回
A non-intrusive model order reduction method based on nonlinear optimization for parameterized Stokes problems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cam.2025.117283.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于非线性优化的非侵入式模型降阶方法，用于稳态参数化斯托克斯问题。为实现此目标，我们采用加权损失函数来平衡速度和压力输出，以获得仅利用输出样本的非侵入式、数据驱动算法。此外，我们通过利用降阶模型量的参数可分离形式，推导了目标函数相对于降阶矩阵的梯度。为提高计算效率，本框架采用两阶段离线-在线分解。在离线阶段，我们利用梯度信息开发优化算法，计算降阶矩阵的最优近似。在在线阶段，可使用离线阶段获得的降阶模型快速估计新参数值下的输出。最后，我们通过数值实验验证了该方法的有效性，特别是展示了其生成高精度近似结果的能力。
Keyword:
Steady parameterized Stokes problems
Model order reduction
Data-driven
Nonlinear optimization
期刊
J
IF:
2.6
论文数:
338
被引数:
0
机构
引用论文
.png){kind=icon}
Reduced basis approximation of parametrized optimal flow control problems for the Stokes equations
OAAI
OAAI分享收藏Discovering governing equations from data by sparse identification of nonlinear dynamical systems通过非线性动力系统的稀疏识别从数据中发现控制方程OAAI
OAAI分享收藏The shifted boundary method for embedded domain computations. Part I: Poisson and Stokes problems嵌入式域计算的移动边界方法。第一部分: 泊松和斯托克斯问题OAAI
OAAI分享收藏
查看更多内容