基于贝叶斯推理的标准k-ε湍流模型参数识别  

Identification of Parameters for Standard k-ε Turbulence Model Based on Bayesian Inference

作　　者：朱嵩[1] 刘国华[2] 毛欣炜[2] 程伟平[2] 黄跃飞[3] 

机构地区：[1]广东省电力设计研究院,广东广州510663 [2]浙江大学建筑工程学院,浙江杭州310058 [3]清华大学水利水电工程系,北京100084

出　　处：《四川大学学报（工程科学版）》2010年第4期78-82,共5页Journal of Sichuan University (Engineering Science Edition)

基　　金：国家973计划资助项目(2005CB724202);国家自然科学基金资助项目(50879075)

摘　　要：为了降低湍流模型湍流参数不确定性给工程湍流问题求解带来数值误差,以后台阶流动为例研究了适用范围很广的k-ε湍流模型的参数识别问题。针对模型和实验数据的不确定性而采用了贝叶斯概率反演方法,该方法集成了有限单元法的正向计算和Metropolis-Hastings抽样算法的反向计算,从而给出在流速测量值已知的条件下标准k-ε湍流模型参数的后验概率分布。算例计算表明,采用参数识别后的参数值进行计算比传统推荐值有效地降低了数值误差。To decrease the numerical error in the engineering turbulence problem,which comes from the uncertainty of turbulence model,a Bayesian method was developed to identify the parameters for widely used k-ε turbulence model based on the back step flow. The method combines direct computation with finite element method and inverse computation with Metropolis-Hastings sampling algorithm,which can give the posterior distribution of standard k-ε model parameters once the velocity on some observation sites are known. Case computation indicated that after parameter identification the computation has a lower numerical error than that without parameter identification.

关 键 词：标准k-ε湍流模型 参数识别 Metropolis-Hastings算法 贝叶斯推理 反问题 

分 类 号：O242.2[理学—计算数学] O357.5[理学—数学]