Physics-constrained Random Forests for Turbulence Model Uncertainty Estimation

要約

工業デザインの仮想認証を取得するには、シミュレーション主導のプロセスの不確実性を定量化することが重要です。
乱流モデルの認識論的不確実性を説明するための物理的制約のあるアプローチについて説明します。
ユーザー入力を排除するために、データ駆動型の機械学習戦略を組み込んでいます。
それに加えて、私たちの研究は、正確なデータが不足している場合の予測信頼度のアプリオリな推定を開発することに焦点を当てています。

要約(オリジナル)

To achieve virtual certification for industrial design, quantifying the uncertainties in simulation-driven processes is crucial. We discuss a physics-constrained approach to account for epistemic uncertainty of turbulence models. In order to eliminate user input, we incorporate a data-driven machine learning strategy. In addition to it, our study focuses on developing an a priori estimation of prediction confidence when accurate data is scarce.

arxiv情報

著者 Marcel Matha,Christian Morsbach
発行日 2023-07-11 16:15:40+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.LG, physics.flu-dyn パーマリンク