基于长短期记忆网络的非定常空化水翼表面压力预测
Abstract
非定常空化流动作为典型的非线性动力学问题, 其演变规律及其水动力特性受噪声和计算机精度的影响, 难以实现长时间预测. 本文利用长短期记忆(Long Short-Term Memory, LSTM)网络开发了一种多变量压力预测模型, 其中, 输入为不同时间序列的速度值和气体体积分数, 输出为压力系数的时间序列. 研究采用水翼的大涡模拟数据进行了外插预测, 结果表明, 预测输出与大涡模拟结果吻合较好, 并显示出良好的泛化性和预测更多未来结果的能力.
