Moderní metody modelování podměřítkové turbulence

• Název práce v češtině: Moderní metody modelování podměřítkové turbulence
• Název v anglickém jazyce: Modern methods of subgrid turbulence modelling
• Klíčová slova: simulace velkých vírů|podměřítková turbulence|dynamické metody|umělé neuronové sítě|strojové učení
• Klíčová slova anglicky: large eddy simulation|subgrid turbulence|dynamic methods|artificial neural networks|machine learning
• Akademický rok vypsání: 2022/2023
• Typ práce: diplomová práce
• Jazyk práce: čeština
• Ústav: Katedra fyziky atmosféry (32-KFA)
• Vedoucí / školitel: Mgr. Vladimír Fuka, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 20.01.2023
• Datum zadání: 20.01.2023
• Datum potvrzení stud. oddělením: 14.02.2023

Zásady pro vypracování

Simulace turbulentního proudění vyžaduje modelování vlivu turbulentních struktur malých měřítek, která nelze popsat výpočetní sítí, pomocí přibližných metod. Pokud jsou simulována i pole skalárních veličin, například teploty či koncentrace příměsí, je třeba modelovat také toky způsobené malými strukturami. Cílem práce je se seznámit se s moderními metodami pro modelování podměřítkových napětí a toků a implementovat do modelu ELMM (Extended Large-eddy Microscale Model) příklad dynamické metody, využívajicí testovací filtr pro výpočet hodnoty modelového koeficientu, a metody, využívající strojové učení pomocí umělých neuronových sítí. Přesnost těchto metod bude porovnána s tradičními metodami s konstantním modelovým koeficientem pomocí a-priori a a-posteriori testů. Výsledky testů budou vyhodnoceny za účelem zjištění vyhod a nevýhod jednotlivých metod pro praktické nasazení pro simulace turbulentního přenosu látek v mezní vrstvě atmosféry.

Seznam odborné literatury

Pope S., 2000, Turbulent flows, Cambridge University Press, ISBN 0-521-59886-9

Zhou Z.-H., 2021, Machine learning, Springer Nature Singapore Pte Ltd., ISBN 978-981-15-1967-3 (elektronická verze), https://doi.org/10.1007/978-981-15-1967-3

Engelmann L., Klein M., Kempf A.M., 2021, A-posteriori LES assessment of subgrid-scale closures for bounded
passive scalars, Computers and Fluids 218, 104840, https://doi.org/10.1016/j.compfluid.2021.104840

Park H., Lee S., Lee J., Choi H., 2006, A dynamic subgrid-scale eddy viscosity model with a global model coefficient, Physics of Fluids 18, 125109, http://dx.doi.org/10.1063/1.2401626

Prat A., Sautry T., Navarr-Martinez, S., 2020, A Priori Sub-grid Modelling Using Artificial Neural Networks, International Journal of Computational Fluid Dynamics 34 (6), pp. 397-417, https://doi.org/10.1080/10618562.2020.1789116