.png){kind=icon}
返回
Data-driven and knowledge-driven prediction methods for ventilated cavities based on Gaussian process
.png){kind=icon}
PRE
AI
DOI：10.1063/5.0253732.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对通气空泡长度的精确预测是稳定通气空泡形状和提高载具姿态稳定性的基石。本研究旨在建立基于稀疏水洞试验数据的数据驱动与知识驱动相结合的通气空泡长度预测方法，利用来流速度和通气率作为输入。同时，将通气率与空泡长度之间的正相关关系作为工程知识纳入建模过程，以指导模型行为。预测结果显示，通过构建结合知识与数据的联合协方差函数，空泡长度预测模型仅使用50组水洞试验数据即可达到90%的预测精度，并确保与通气率及空泡长度间的物理关系相符。性能指标包括：平均均方根误差为25.96 mm，降低26.66%；平均平均绝对误差为20.92 mm，降低24.04%；平均R²值为0.7024，提升14%。本研究为水下通气载具领域中的知识与数据融合建模提供了指导。
Keyword:
FLOW
期刊
IF:
4.3
论文数:
2.9W
被引数:
8.0W
机构
引用论文
Experimental and numerical study on ventilated cavitation of high-speed projectile.png)
PHYSICS OF FLUIDS
PHYSICS OF FLUIDSIF4.3
PREAI
分享收藏Hidden fluid mechanics: Learning velocity and pressure fields from flow visualizationsScience
OAAI
ScienceIF0
OAAI分享收藏Experimental study on the flow pattern and pressure fluctuation characteristics of ventilated cavitating flows around a conical axisymmetric body at high Froude number高弗劳德数下锥形轴对称体周围通气空化流的流型及压力波动特性实验研究
IF0
PREAI
分享收藏Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架OAAI
OAAI分享收藏Experimental and numerical analysis of the physical characteristics of natural and ventilated supercavitating flowsPHYSICS OF FLUIDS
OAAI
PHYSICS OF FLUIDSIF4.3
OAAI分享收藏Numerical study of the behaviors of two ventilated supercavities in periodic gust flow对两个通气血超空泡在周期性阵风流中的行为的数值研究
PREAI
分享收藏
查看更多内容