Uncertainty Quantification in Computational Fluid Dynamics

جریان های سیال با ورودی های نامشخص مانند داده های اولیه تصادفی، ضرایب مواد و شار و شرایط مرزی مشخص می شوند. حجم فعلی به موضوع مربوط به محاسبه موثر عدم قطعیت جریان، با توجه به این تصادفی اولیه می پردازد. این هفت مقاله مروری اصلی را گردآوری می‌کند که نسخه‌های بهبودیافته روش مونت کارلو (به اصطلاح روش مونت کارلو چند سطحی (MLMC))، روش‌های تصادفی گالرکین مبتنی بر لحظه و نسخه‌های اصلاح‌شده روش‌های هم‌آهنگی تصادفی را پوشش می‌دهد که از انتخاب استنسیل تطبیقی ​​استفاده می‌کنند. از نوع ENO-WENO در هر دو فضای فیزیکی و تصادفی. این روش ها همچنین با کاربردهای بتنی مانند جریان در اطراف آئروفویل ها و موشک ها، مشکلات ایروالاستیسیته (برهم کنش های سیال-ساختار)، و جریان های کم عمق آب برای انتشار امواج آب تکمیل می شوند. نمونه‌های عددی فراوان شواهدی را در مورد مناسب بودن هر روش پیشنهادی و همچنین مقایسه رویکردهای مختلف ارائه می‌دهند.

Fluid flows are characterized by uncertain inputs such as random initial data, material and flux coefficients, and boundary conditions. The current volume addresses the pertinent issue of efficiently computing the flow uncertainty, given this initial randomness. It collects seven original review articles that cover improved versions of the Monte Carlo method (the so-called multi-level Monte Carlo method (MLMC)), moment-based stochastic Galerkin methods and modified versions of the stochastic collocation methods that use adaptive stencil selection of the ENO-WENO type in both physical and stochastic space. The methods are also complemented by concrete applications such as flows around aerofoils and rockets, problems of aeroelasticity (fluid-structure interactions), and shallow water flows for propagating water waves. The wealth of numerical examples provide evidence on the suitability of each proposed method as well as comparisons of different approaches.