Coarse graining and reduced order models for plume ejection dynamics

要約

汚染物質の大気分散を監視することは、環境影響評価にとってますます重要になっています。
多くの場合、高忠実度の計算モデルがプルームのダイナミクスをシミュレートし、意思決定を導き、リソースの展開を優先順位付けするために採用されています。
ただし、そのようなモデルは、微細な空間的および時間的解像度で乱流の流れを解決する必要があるため、シミュレートするのに非常に高価になる可能性があります。
さらに、プルームには少なくとも2つの異なる動的な関心のある動的領域があります。（i）乱流のケルビン – ヘルムホルツの不安定性によって乱流混合が生成されるプルームの初期放出、および（ii）しばしばガウスプルームモデルによってモデル化されるその後の乱流拡散と進歩。
最初のプルーム生成をモデル化するという課題に対処します。
具体的には、ビデオデータから直接プルームダイナミクスの低秩序分析モデルを識別するデータ駆動型フレームワークを提案します。
ビデオスナップショットからプルームセンターの時系列とエッジポイントを抽出し、外挿パフォーマンスに基づいたさまざまな回帰を評価して、プルームの全体的な方向と広がりを特徴付ける一連の係数を生成します。
プルームの分散と渦を識別するために、エッジポイントのケルビンヘルムホルツの不安定性に触発された正弦波モデルに退行します。
全体として、この縮小順序モデリングフレームワークは、データ駆動型で軽量なアプローチを提供し、初期の非線形ポイントソースプルームダイナミクスの支配的な特徴をキャプチャします。
得られたモデルは、ガウスプルームモデルなどの標準モデルの前のモデルであり、メタン漏れ、化学的流出、スモークスタックからの汚染物質分散などの重要な環境危険の迅速な評価と評価を可能にする可能性があります。

要約(オリジナル)

Monitoring the atmospheric dispersion of pollutants is increasingly critical for environmental impact assessments. High-fidelity computational models are often employed to simulate plume dynamics, guiding decision-making and prioritizing resource deployment. However, such models can be prohibitively expensive to simulate, as they require resolving turbulent flows at fine spatial and temporal resolutions. Moreover, there are at least two distinct dynamical regimes of interest in the plume: (i) the initial ejection of the plume where turbulent mixing is generated by the shear-driven Kelvin-Helmholtz instability, and (ii) the ensuing turbulent diffusion and advection which is often modeled by the Gaussian plume model. We address the challenge of modeling the initial plume generation. Specifically, we propose a data-driven framework that identifies a reduced-order analytical model for plume dynamics — directly from video data. We extract a time series of plume center and edge points from video snapshots and evaluate different regressions based to their extrapolation performance to generate a time series of coefficients that characterize the plume’s overall direction and spread. We regress to a sinusoidal model inspired by the Kelvin-Helmholtz instability for the edge points in order to identify the plume’s dispersion and vorticity. Overall, this reduced-order modeling framework provides a data-driven and lightweight approach to capture the dominant features of the initial nonlinear point-source plume dynamics, agnostic to plume type and starting only from video. The resulting model is a pre-cursor to standard models such as the Gaussian plume model and has the potential to enable rapid assessment and evaluation of critical environmental hazards, such as methane leaks, chemical spills, and pollutant dispersal from smokestacks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google