مروری بر کاربرد یادگیری ماشین در پیشبینی و شبیه سازی جریان های آشفته

چکیده مقاله

جریان های آشفته یکی از پیچیده ترین مسائل در حوزه دینامیک سیالات هستند که به دلیل ماهیت سه بعدی و نامنظم خود نیازمند مدل سازی های عددی پیچیده و آزمایش های گسترده می باشند به واسطه هزینه بالای انجام این مطالعات، ارتقا کیفیت مهندسی در این حوزه مستلزم رویکردهایی نوین برای بهینه سازی آن است در سالهای اخیر با پیشرفت تکنیک های یادگیری ماشین، استفاده از این روش ها در تحلیل جریان های آشفته گسترش یافته است بهره گیری از یادگیری ماشین در این زمینه به دلیل تنوع بالای الگوریتم ها و مدل ها، نیازمند شناخت دقیق مزایا، معایب و کاربردهای هر کدام است همچنین، با توجه به ماهیت داده محور این تکنیک ها، جمع آوری مجموعه داده های جامع و معتبر از مسائل برای آموزش مدل ها از اهمیت ویژه ای برخوردار است در این تحقیق مروری جامع بر روش ها و کاربردهای یادگیری ماشین و یادگیری عمیق در تحلیل جریان های آشفته ارائه شده است در این راستا به بررسی نکات کلیدی هر روش پرداخته و در نهایت استفاده از داده های آزمایشگاهی به عنوان ابزار اصلی در راستای توسعه مدل های پیشرفته تر یادگیری ماشین و یادگیری عمیق جهت تحلیل و شبیه سازی جریان های آشفته پیچیده تر و عمومی تر پیشنهاد شده است

کلیدواژه‌ها

نویسندگان

نفیسه کریم خانی

دانشجوی کارشناسی ارشد مهندسی آب و سازه های هیدرولیکی، دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران

بابک خورسندی

دانشیار دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران

فرزین همایونفر

دانش آموخته دکتری تخصصی مهندسی آب و سازه های هیدرولیکی، دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران

کریم خانی، نفیسه و خورسندی، بابک و همایونفر، فرزین،1404،مروری بر کاربرد یادگیری ماشین در پیشبینی و شبیه سازی جریان های آشفته،چهاردهمین کنگره بین المللی مهندسی عمران،تهران

ارائه‌شده در

مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران