级联递归神经网络架构的湍流时空预测模型

摘要：

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.

关键词：卷积神经网络、递归神经网络、级联递归神经网络、湍流燃烧、时空预测

所属期刊栏目：39

分类号：N945.12(系统科学)

资助基金：国家自然科学基金;上海市扬帆计划;上海市扬帆计划

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：338-343,415