| Title | 级联递归神经网络架构的湍流时空预测模型 |
| Alternative Title | Spatiotemporal Prediction Model of Turbulent Flow Based on Cascaded Recurrent Neural Network
|
| Author | |
| Publication Years | 2022
|
| DOI | |
| Source Title | |
| ISSN | 1006-9348
|
| Volume | 39Issue:11Pages:338-343,415 |
| Abstract | 对湍流流体进行超高速成像是研究流动燃烧机理、验证湍流流动模型和化学反应动力学模型的重要手段.平面激光诱导荧光(PLIF)技术是湍流火焰燃烧中间产物高速诊断的主要实验方法,针对超高速激光的间歇性导致其时序序列之间存在间断的问题,提出使用湍流火焰中OH自由基的PLIF实验数据,通过训练级联递归神经网络模型(CascadeRNN)建立历史图像序列和未来多帧图像的映射关系,实现预测未来多帧图像的目的,从而弥补激光光源在时序序列之间的间断.结果表明,所提出的模型能够从100kHz的16帧历史图像序列的输入中预测出未来8帧图像,并且有效地捕捉火焰的空间结构特性和时间序列上的演变规律,且预测结果优于其它模型. |
| Keywords | |
| URL | [Source Record] |
| Language | Chinese
|
| SUSTech Authorship | Others
|
| Funding Project | 52006137:国家自然科学基金
; 19YF1423400:上海市扬帆计划
; 2016M600313:上海市扬帆计划
|
| Data Source | WanFang
|
| WanFangID | jsjfz202211067
|
| Citation statistics |
Cited Times [WOS]:0
|
| Document Type | Journal Article |
| Identifier | http://kc.sustech.edu.cn/handle/2SGJ60CL/525035 |
| Department | Southern University of Science and Technology |
| Affiliation | 1.上海交通大学中英国际低碳学院,上海200240 2.澳大利亚阿德莱德大学能源研究中心,澳大利亚SA5005 3.南方科技大学力学与航空系,广东深圳518000 |
| Recommended Citation GB/T 7714 |
郭昊,董雪,孙志伟,等. 级联递归神经网络架构的湍流时空预测模型[J]. 计算机仿真,2022,39(11):338-343,415.
|
| APA |
郭昊,董雪,孙志伟,&周波.(2022).级联递归神经网络架构的湍流时空预测模型.计算机仿真,39(11),338-343,415.
|
| MLA |
郭昊,et al."级联递归神经网络架构的湍流时空预测模型".计算机仿真 39.11(2022):338-343,415.
|
| Files in This Item: | There are no files associated with this item. | |||||
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment