Optimal nonlinear eddy viscosity in Galerkin models of turbulent flows
Notice bibliographique
Résumé
Abstract We propose a variational approach to the identification of an optimal nonlinear eddy viscosity as a subscale turbulence representation for proper orthogonal decomposition (POD) models. The ansatz for the eddy viscosity is given in terms of an arbitrary function of the resolved fluctuation energy. This function is found as a minimizer of a cost functional measuring the difference between the target data coming from a resolved direct or large-eddy simulation of the flow and its reconstruction based on the POD model. The optimization is performed with a data-assimilation approach generalizing the 4D-VAR method. POD models with optimal eddy viscosities are presented for a 2D incompressible mixing layer at $\mathit{Re}=500$ (based on the initial vorticity thickness and the velocity of the high-speed stream) and a 3D Ahmed body wake at $\mathit{Re}=300\,000$ (based on the body height and the free-stream velocity). The variational optimization formulation elucidates a number of interesting physical insights concerning the eddy-viscosity ansatz used. The 20-dimensional model of the mixing-layer reveals a negative eddy-viscosity regime at low fluctuation levels which improves the transient times towards the attractor. The 100-dimensional wake model yields more accurate energy distributions as compared to the nonlinear modal eddy-viscosity benchmark proposed recently by Östh et al. (J. Fluid Mech., vol. 747, 2014, pp. 518–544). Our methodology can be applied to construct quite arbitrary closure relations and, more generally, constitutive relations optimizing statistical properties of a broad class of reduced-order models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».