Le equazioni quasi-geostrofiche a due strati (2QGE) servire come modello semplificato
per simulare la spinta del vento, flussi oceanici stratificati. Tuttavia, loro numerico
la simulazione rimane computazionalmente costosa a causa della necessità di
mesh ad alta risoluzione per catturare un'ampia gamma di scale turbolente. Questo
diventa particolarmente problematico quando è necessario eseguire diverse simulazioni perché
Di, per esempio., incertezza nella regolazione dei parametri. Per affrontare questa sfida, Noi
proporre un modello di ordine ridotto basato sui dati (ROM) per il 2QGE che fa leva
decomposizione ortogonale corretta randomizzata (rPOD) e memoria a breve termine
(LSTM) reti. Per generare in modo efficiente i dati snapshot richiesti per il modello
costruzione, applichiamo una tecnica di stabilizzazione del filtraggio non lineare che
consente l'utilizzo di maglie di dimensioni maggiori rispetto ad una numerica diretta
simulazioni (DNS). Grazie all'uso di rPOD per estrarre le modalità dominanti
le matrici degli snapshot, raggiungiamo fino a 700 tempi di accelerazione rispetto all'uso di
POD deterministico. Le reti LSTM vengono addestrate con i coefficienti modali
associati alle istantanee per consentire la previsione dell'ora- E
coefficienti modali dipendenti dai parametri durante la fase online, che è
centinaia di migliaia di volte più veloci di un DNS. Valutiamo l'accuratezza e
efficienza della nostra ROM rPOD-LSTM attraverso l'estensione di un noto benchmark
chiamato test di forzatura del vento a doppio giro. La dimensione dello spazio dei parametri in
tale prova viene incrementata da due a quattro.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: