27、基于人工智能的外部流动计算流体动力学（CFD）模拟不确定性量化技术

基于人工智能的外部流动计算流体动力学（CFD）模拟不确定性量化技术

1. 引言

在捕捉复杂工程过程中精确物理现象的探索中，构建相应数学模型时，详细方法的采用日益增多。这使得基于第一性原理的模型往往计算量巨大。高性能计算资源和并行计算框架的快速发展，进一步推动了构建高计算成本模型的趋势。然而，对于敏感性分析、优化和控制等迭代方法而言，由于这些模型的重复执行耗时过长，实时操作仍然难以实现。例如，在涉及计算流体动力学（CFD）的计算密集型求解器的模型中，不确定性传播的研究就面临这样的问题。

为了在合理的时间范围内实现这些迭代活动，一种方法是准确模拟这些耗时的第一性原理模型（FPMs），并使用数据驱动的替代模型来替代它们。具体做法是使用高保真模型生成有限的输入 - 输出数据，然后利用替代模型创建原始耗时模型的近似副本。一旦这些经过良好验证的替代模型建立起来，就可以广泛应用于迭代研究，如优化、不确定性量化等。

1.1 替代模型的应用案例

• 复杂车辆设计 ：有研究提出了基于方差分析（ANOVA）的替代模型用于复杂车辆设计的不确定性传播，作者开发了一种新颖的自适应采样策略，旨在最小化训练样本点。
• 水库入流预测 ：有学者使用神经网络、模糊推理系统、自适应神经模糊推理系统和支持向量机来预测中国某水库十天前的入流条件，并通过这些方法使用ANOVA进行不确定性分析。该分析考虑了替代模型带来的不确定性，并表明这些不确定性比生理输入引起的不确定性更为显著。
• 塑料注射建模设计 ：有研究聚焦于塑料注射建模设计，首先