机器学习和凸约束在浅水方程子网通量建模中的应用
原文中文,约300字,阅读约需1分钟。发表于: 。我们提出了一种结合机器学习和通量限制的子网格尺度建模方法,用于一维浅水方程的通量限制有限体积方法中。通过使用神经网络将保守目标方案的数值通量拟合到单调细网格离散化的粗网格平均值上,对子网格尺度组分进行参数化。为了确保正性保持和局部极大原理的有效性,我们使用了一个通量限制器,将等效波动形式的中间状态限制在一个凸允许集中。我们的数值研究结果证实,即使对于网络未经训练的情况,机器学习与整体凸限制的...
本文介绍了一种结合机器学习和通量限制的子网格尺度建模方法,用于一维浅水方程的通量限制有限体积方法中。通过使用神经网络将保守目标方案的数值通量拟合到单调细网格离散化的粗网格平均值上,对子网格尺度组分进行参数化。数值研究结果证实,机器学习与整体凸限制的结合能产生有意义的封闭结果。