بررسی اجمالی بر یادگیری ماشین در مکانیک سیالات

بررسی اجمالی بر یادگیری ماشین در مکانیک سیالات

رشته مکانیک سیالات به سرعت در حال پیشرفت است. پیشرفت های این رشته مدیون به حجم بی سابقه ای از داده ها از آزمایش ها، اندازه گیری های میدانی و شبیه سازی های مقیاس بزرگ در مقیاس های مکانی - زمانی می باشد. یادگیری ماشینی (ml) تکنیک های زیادی را برای استخراج اطلاعات از داده هایی که می تواند به دانش اساسی در زمینه مکانیک سیالات تبدیل شود، ارائه می کند. علاوه بر این، الگوریتم های ml می توانند دامنه دانش را افزایش داده و کنترل و بهینه سازی جریان را به صورت خودکار انجام می دهند. این مقاله مروری بر تاریخ گذشته، تحولات فعلی و فرصت های در حال ظهور یادگیری ماشین در مکانیک سیالات است. ما روش های اساسی یادگیری ماشین را بیان می کنیم و کاربردهای آنها برای درک، مدل سازی، بهینه سازی و کنترل جریان های سیال مورد بحث قرار خواهند گرفت. نقاط قوت و محدودیت این روش ها از منظر تحقیق علمی مورد بررسی قرار می گیرد که داده ها را بخشی ذاتی از مدل سازی، آزمایش ها و شبیه سازی ها می داند. یادگیری ماشین چارچوبی قدرتمند برای پردازش اطلاعات فراهم می کند که می تواند خطوط فعلی تحقیقات مکانیک سیالات و کاربردهای صنعتی آن را تقویت و یا حتی ممکن است آنها را تغییر دهد .