题 目：深度学习在盘算流体力学中的应用探讨

报 告 人：王一伟 教授 （中国科学院力学研究所）

时 间：2019年6月13日（周四）13：30

地 点：延伸校区行健楼1109

摘 要：近年来，，，深度学习要领兴起已大宗的应用于种种工程问题，，，针对CFD领域恒久保存的基础模子重大、运算量大、难以集成等瓶颈，，，有条件推进模拟要领的智能化生长。
。。。本报告将讨论典范的深度学习要领在CFD领域应用的可能性，，，并基于湍流模子修正和流场识别两个算例报告典范的深度学习应用方法。
。。。第一个算例基于张量基神经网络结构，，，从DNS或细腻模拟LES数据出发，，，探索通过平均流场特征举行雷诺应力建模的要领，，，起源获得了基于深度神经网络的修正湍流模子，，，并应用于典范的流动求解中。
。。。第二个算例以圆柱绕流为典范工具，，，探索了自顺应的流场特征识别要领。
。。。首先通过对流动信息的特征提取以及与流场敏感量的联系，，，建设了基于深度卷积神经网络的流场识别模子。
。。。进一步，，，基于自动编码器、迁徙学习等手段，，，关于模子中网络特征提取能力的推广性和提取特征定量化举行了研究和拓展。
。。。效果批注深度学习要领能够作为一种流场的特征提取和识别要领，，，在未来获得更普遍的应用。
。。。