一种基于冷扩散模型的复杂反应流场建模方法

TQ038.4; 仿真复杂湍流反应流场的计算消耗巨大,为了缓解计算负担,许多研究基于深度学习方法构建数据驱动代理模型,但获取该代理模型所需要的数据仍存在一定困难.为了解决上述问题,本文提出一种基于冷扩散模型(Cold Diffusion Model,CDM)的代理模型.与去噪扩散概率模型(Denoising Diffusion Probabilistic Model,DDPM)不同,插值冷扩散模型在扩散过程中采用逐步插值替代加入随机高斯噪声,为复原过程引入更多信息.二维甲烷燃烧仿真实验结果表明,相比其他代理模型,插值冷扩散模型能够利用有限的数据,学习到更多的信息,减少训练所需的计算数据量,从而...

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 50; no. 5; pp. 720 - 731
Main Authors 陈俊宏, 程辉, 胡贵华
Format Journal Article
LanguageChinese
Published 华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237 01.10.2024
Subjects
湍流反应流
代理模型
扩散模型
计算流体力学(CFD)
diffusion model
computational fluid dynamics
surrogate modelling
turbulent reactive flow
image-to-image translation
图像翻译
Online AccessGet full text

Cover

More Information
Summary:TQ038.4; 仿真复杂湍流反应流场的计算消耗巨大,为了缓解计算负担,许多研究基于深度学习方法构建数据驱动代理模型,但获取该代理模型所需要的数据仍存在一定困难.为了解决上述问题,本文提出一种基于冷扩散模型(Cold Diffusion Model,CDM)的代理模型.与去噪扩散概率模型(Denoising Diffusion Probabilistic Model,DDPM)不同,插值冷扩散模型在扩散过程中采用逐步插值替代加入随机高斯噪声,为复原过程引入更多信息.二维甲烷燃烧仿真实验结果表明,相比其他代理模型,插值冷扩散模型能够利用有限的数据,学习到更多的信息,减少训练所需的计算数据量,从而缓解计算负担.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20231010001