POD过滤数据提升涡轮尾流预测精度

Mustafa Meriç Aksen 等研究者提出一种基于本征正交分解（POD）的机器学习代理模型，用于预测天然河道中水动力涡轮阵列下游的平均流场。该模型用 POD 过滤后的 LES 瞬时数据训练三维卷积编码器-解码器网络。 研究者在真实潮汐河段落潮条件下测试，称在相同网络规模与训练成本下，POD 过滤使均方误差比用未过滤 LES 数据训练的网络降低三个数量级。这一结果来自该团队的模拟实验，尚待独立验证。

AI 根据报道生成 · 43 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。