排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
基于可压缩格子Boltzmann方法的高可扩展并行算法研究 总被引:1,自引:0,他引:1
Lattice Boltzmann Methods(LBM)是近年来发展的求解流体问题的计算新方法,该方法具有编程相对简单,并行计算效率高的特点,但是现有的D2Q9 LBM模型只能计算速度在0.3马赫下的不可压缩流体,提出的新的LBM模型可以处理速度0.7马赫以下的流体问题,并且具有较好的数值稳定性,对计算程序并行性能深入研究的基础上,提出了基于cache的性能优化,经过程序性能测试证明该方法具有较好并行计算效率,并具有很好的可扩展性. 相似文献
3.
4.
5.
6.
随着内嵌物理机理神经网络(PINN)模型的兴起,PINN模型开始应用于许多学科领域。为了实现导弹气动特性的快速预测,借助工程算法,构建了导弹气动数据集,以此训练导弹气动特性预测模型,包含基于多任务学习的神经网络(MTLNN)模型及在MTLNN模型基础上内嵌物理知识的PINN模型。数值模拟通过选取测试集,对比了MTLNN模型和PINN模型的预测效果,结果表明:PINN模型的预测精度较高,且基本控制在1%以内。探究PINN模型的泛化能力,测试集选取导弹气动数据集包络范围之外的数据,PINN模型预测精度仍然高于MTLNN模型。由于PINN模型引入了气动特性参数之间的物理机理,模型对训练样本数量的依赖程度降低,可以进一步节约数据获取成本,为导弹优化设计提供有力工具。 相似文献
1