دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Data Analysis for Direct Numerical Simulations of Turbulent Combustion: From Equation-Based Analysis to Machine Learning
دانلود کتاب تجزیه و تحلیل داده ها برای شبیه سازی عددی مستقیم احتراق آشفته: از تجزیه و تحلیل مبتنی بر معادلات تا یادگیری ماشین
مشخصات کتاب
Data Analysis for Direct Numerical Simulations of Turbulent Combustion: From Equation-Based Analysis to Machine Learning
ویرایش: 1st ed.
نویسندگان: Heinz Pitsch. Antonio Attili
سری:
ISBN (شابک) : 9783030447175, 9783030447182
ناشر: Springer International Publishing;Springer
سال نشر: 2020
تعداد صفحات: 294
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 15 مگابایت
قیمت کتاب (تومان) : 65,000
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده ها برای شبیه سازی عددی مستقیم احتراق آشفته: از تجزیه و تحلیل مبتنی بر معادلات تا یادگیری ماشین: ریاضیات، ریاضیات محاسباتی و آنالیز عددی، دینامیک سیالات مهندسی، فیزیک نظری، ریاضی و محاسباتی، ترمودینامیک، علوم کامپیوتر، عمومی، محیط زیست، عمومی
در صورت تبدیل فایل کتاب Data Analysis for Direct Numerical Simulations of Turbulent Combustion: From Equation-Based Analysis to Machine Learning به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده ها برای شبیه سازی عددی مستقیم احتراق آشفته: از تجزیه و تحلیل مبتنی بر معادلات تا یادگیری ماشین نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تجزیه و تحلیل داده ها برای شبیه سازی عددی مستقیم احتراق آشفته: از تجزیه و تحلیل مبتنی بر معادلات تا یادگیری ماشین
این کتاب روشهایی را برای تجزیه و تحلیل مجموعه دادههای بزرگ تولید شده توسط شبیهسازی عددی مستقیم (DNS) آشفتگی و احتراق ارائه میکند. توسعه مدلهایی را توصیف میکند که میتوانند برای تجزیه و تحلیل شبیهسازیهای گردابی بزرگ مورد استفاده قرار گیرند، و هم رایجترین تکنیکها و هم تکنیکهای جدید را برجسته میکند.
فصل ها که توسط کارشناسان معتبر بین المللی نوشته شده اند، از
خوانندگان دعوت می کنند تا DNS تلاطم و احتراق را از دیدگاهی
رسمی و مبتنی بر داده، نه از دیدگاه تجربه و شهود، در نظر
بگیرند. این دیدگاه به خوانندگان اجازه می دهد تا کاستی های مدل
های موجود را با هدف نهایی کمی سازی و کاهش عدم قطعیت مبتنی بر
مدل تشخیص دهند. علاوه بر این، پیشرفتهای اخیر در یادگیری
ماشینی و استنباطهای آماری، بینشهای جدیدی را در مورد تفسیر
دادههای DNS ارائه میدهد.
توضیحاتی درمورد کتاب به خارجی
This book presents methodologies for analysing large data sets produced by the direct numerical simulation (DNS) of turbulence and combustion. It describes the development of models that can be used to analyse large eddy simulations, and highlights both the most common techniques and newly emerging ones.
The chapters, written by internationally respected experts,
invite readers to consider DNS of turbulence and combustion
from a formal, data-driven standpoint, rather than one led by
experience and intuition. This perspective allows readers to
recognise the shortcomings of existing models, with the
ultimate goal of quantifying and reducing model-based
uncertainty. In addition, recent advances in machine learning
and statistical inferences offer new insights on the
interpretation of DNS data.
فهرست مطالب
Front Matter ....Pages i-ix
Analysis of Flame Topology and Burning Rates (Shrey Trivedi, Girish V. Nivarti, R. Stewart Cant)....Pages 1-17
Dissipation Element Analysis of Inert and Reacting Turbulent Flows (Dominik Denker, Antonio Attili, Heinz Pitsch)....Pages 19-41
Computational Singular Perturbation Method and Tangential Stretching Rate Analysis of Large Scale Simulations of Reactive Flows: Feature Tracking, Time Scale Characterization, and Cause/Effect Identification. Part 1, Basic Concepts (M. Valorani, F. Creta, P. P. Ciottoli, R. Malpica Galassi, D. A. Goussis, H. N. Najm et al.)....Pages 43-64
Computational Singular Perturbation Method and Tangential Stretching Rate Analysis of Large Scale Simulations of Reactive Flows: Feature Tracking, Time Scale Characterization, and Cause/Effect Identification. Part 2, Analyses of Ignition Systems, Laminar and Turbulent Flames (M. Valorani, F. Creta, P. P. Ciottoli, R. Malpica Galassi, D. A. Goussis, H. N. Najm et al.)....Pages 65-88
Chemical Explosive Mode Analysis for Diagnostics of Direct Numerical Simulations (Chun Sang Yoo, Tianfeng Lu, Jacqueline H. Chen)....Pages 89-108
Higher Order Tensors for DNS Data Analysis and Compression (Hemanth Kolla, Konduri Aditya, Jacqueline H. Chen)....Pages 109-134
Data-Driven Modal Decomposition Techniques for High-Dimensional Flow Fields (Nicholas Arnold-Medabalimi, Cheng Huang, Karthik Duraisamy)....Pages 135-155
Dynamic Mode Decomposition: A Tool to Extract Structures Hidden in Massive Datasets (T. Grenga, M. E. Mueller)....Pages 157-176
Physics-Informed Data-Driven Prediction of Turbulent Reacting Flows with Lyapunov Analysis and Sequential Data Assimilation (Luca Magri, Nguyen Anh Khoa Doan)....Pages 177-196
Data-Based Modeling for the Crank Angle Resolved CI Combustion Process (Jan Schilliger, Nils Keller, Severin Hänggi, Thivaharan Albin, Christopher Onder)....Pages 197-213
From Discrete and Iterative Deconvolution Operators to Machine Learning for Premixed Turbulent Combustion Modeling (P. Domingo, Z. Nikolaou, A. Seltz, L. Vervisch)....Pages 215-232
Analysis of Turbulent Reacting Jets via Principal Component Analysis (Giuseppe D’Alessio, Antonio Attili, Alberto Cuoci, Heinz Pitsch, Alessandro Parente)....Pages 233-251
Application of an Evolutionary Algorithm to LES Modelling of Turbulent Premixed Flames (M. Schöpplein, J. Weatheritt, M. Talei, M. Klein, R. D. Sandberg)....Pages 253-271
Machine Learning of Combustion LES Models from Reacting Direct Numerical Simulation (Shashank Yellapantula, Marc T. Henry de Frahan, Ryan King, Marc Day, Ray Grout)....Pages 273-292
