研究人员开发了两种新的数据驱动模型，一种使用克里金法，另一种使用神经网络（NN），以预测多孔板湍流中的压损。这些模型在实验数据上进行了训练，并且一致优于现有的经验公式。NN和克里金模型与实验测量结果吻合良好，并且在RANS方程中作为源项实现时，适用于实际的计算流体动力学应用。 AI
影响 引入了流体动力学建模的新型数据驱动方法，有可能提高模拟精度。
排序理由 详细介绍新型建模方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2606.29628v1 Announce Type: cross Abstract: In this paper, two novel data-driven models based on kriging and neural networks (NN) are proposed to predict pressure losses across perforated plates with circular perforations in turbulent flows. The models are developed using t…