机器学习在BM对流研究中的应用

	机器学习在BM对流研究中的应用
	陈一 ; 吴笛 ; 段俐 ; 康琦
	2020-12-03
会议日期	2020-12-03
会议地点	中国广东深圳
关键词	机器学习 BM对流斑图动力学预测图像分析
页码	586
英文摘要	斑图的形成与演化是广大学者关心的问题。本文提出了一个新颖的模型对真实的BM(Bénard-Marangoni)对流实验进行学习和模仿。BM对流中存在超临界演化过程,是该系统在通往混沌状态时中不可避免又独具特色的实验现象。使用底部均匀加热的单层流体作为实验系统,并在实验过程中令液层顶部与底部的温差先增大至超临界对流状态一段时间后再减小;用红外热像仪实时监测流体液层表面的温度分布,得到满足机器学习条件的温度实验数据。用实验数据训练基于卷积神经网络的自编码器模型(CAE)和RNN_CNN模型,前者用来提取温度场的低维特征,将红外热像仪图片数据从240*320的矩阵压缩至由2048个数据点组成的低维特征向量,压缩率达到2%;后者对CAE提取的低维特征向量进行预测并还原温度场。模型最终完成了补充缺失实验数据和比较真实实验结果、机器预测结果、理论分析结果来校正真实实验结果的任务,两个模型在测试集上的R2指数均高于0.94,模型很好地预测了温度数据分布的变化规律。同时,在预测未发生过的物理实验结果方面进行了积极的探索,机器预测正常的部分在一定程度上反映了流体系统斑图图样真实的变化特点;机器预测异常的部分反映了流体系统在实验过程中不可控因素(如温度、物理背景的变化)对实验结果的影响。
会议录	第十一届全国流体力学学术会议论文摘要集
资助机构	自然科学基金
语种	中文
内容类型	会议论文
源URL	[http://dspace.imech.ac.cn/handle/311007/85606]
专题	力学研究所_国家微重力实验室
作者单位	1.中国科学院力学研究所国家微重力实验室 2.中国科学院大学工程科学学院
推荐引用方式 GB/T 7714	陈一,吴笛,段俐,等. 机器学习在BM对流研究中的应用[C]. 见:. 中国广东深圳. 2020-12-03.