Die Studie untersucht den Einsatz von Denoising-Diffusions-Wahrscheinlichkeitsmodellen (DDPMs) als Ersatzmodelle, um die Unsicherheit von RANS-basierten Strömungssimulationen um Tragflügel vorherzusagen.
Die Unsicherheit der RANS-Simulationen wird durch mehrere Momentaufnahmen der Strömungsfelder bei unterschiedlichen Iterationsschritten der Simulation dargestellt. Die Leistung der DDPMs wird mit Bayesschen neuronalen Netzen (BNNs) und heteroskedastischen Modellen verglichen.
Die Ergebnisse zeigen, dass DDPMs die gesamte Verteilung der Lösungen erfolgreich erfassen und somit die Unsicherheit der Simulationen genau abschätzen können. DDPMs übertreffen die anderen Methoden in Bezug auf verschiedene Genauigkeitsmetriken. Darüber hinaus bieten sie den Vorteil, Zugriff auf die vollständigen Verteilungen der Unsicherheiten zu erhalten, anstatt nur eine Reihe von Parametern bereitzustellen.
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Qiang Liu,Ni... о arxiv.org 03-19-2024
https://arxiv.org/pdf/2312.05320.pdfГлибші Запити