BriefGPT - AI 论文速递
·
基于贝叶斯灰箱的热传递动力学非线性对流效应识别
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一个计算程序，用于识别热传递动力学中的对流现象。该程序基于高斯过程潜在力模型，通过贝叶斯平滑推断状态，并使用拉普拉斯方法获得核协方差函数的超参数的近似后验分布。通过贝叶斯回归模型，从高斯过程状态中恢复非线性对流函数。通过使用识别的非线性对流函数进行模拟误差验证程序，对来自模拟系统的数据和物理装配的测量数据进行验证。
🎯
关键要点
- 提出了一个计算程序，用于识别热传递动力学中的对流现象。
- 该程序基于高斯过程潜在力模型，结合白盒子和黑盒子组件。
- 白盒子组件用于传导和线性对流效应，黑盒子组件用于非线性对流效应。
- 通过贝叶斯平滑推断状态，使用拉普拉斯方法获得超参数的近似后验分布。
- 利用贝叶斯回归模型从高斯过程状态中恢复非线性对流函数。
- 通过模拟误差验证程序，验证来自模拟系统的数据和物理装配的测量数据。
➡️
