Buchumschlag

Improving aircraft performance using machine learning: a review

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Clainche, Soledad Le, Ferrer, Esteban, Gibson, Sam, Cross, Elisabeth, Parente, Alessandro, Vinuesa, Ricardo
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Data Analysis, Statistics and Probability Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An application of machine learning to the motion response prediction of floating assets
von: Morris-Thomas, Michael T. M. B., et al.
Veröffentlicht: (2025)

The Closure Challenge: a benchmark task for machine learning in turbulence modelling
von: McConkey, Ryley, et al.
Veröffentlicht: (2026)

Spatio-temporal analysis of sprays by using Phase Doppler Anemometry data
von: Rácza, Erika, et al.
Veröffentlicht: (2025)

Drag prediction of rough-wall turbulent flow using data-driven regression
von: Shi, Zhaoyu, et al.
Veröffentlicht: (2024)

Estimating density, velocity, and pressure fields in supersonic flow using physics-informed BOS
von: Molnar, Joseph P., et al.
Veröffentlicht: (2022)

Flow field tomography with uncertainty quantification using a Bayesian physics-informed neural network
von: Molnar, Joseph P., et al.
Veröffentlicht: (2021)

Reconstruction of three-dimensional fluid stress field via photoelasticity using physics-informed convolutional encoder-decoder
von: Igarashi, Daichi, et al.
Veröffentlicht: (2025)

Towards a Statistical Validation of the Critical Wave Groups Method for Free-Running Vessels in Beam Seas
von: Silva, Kevin M., et al.
Veröffentlicht: (2025)

Learning fluid physics from highly turbulent data using sparse physics-informed discovery of empirical relations (SPIDER)
von: Gurevich, Daniel R., et al.
Veröffentlicht: (2021)

Relationship between unpredictability and intermittency in shell models of turbulence and experiments
von: Frogé, Ewen, et al.
Veröffentlicht: (2025)

Depth-Aware Machine Learning Framework for Bubble Characterization in Two-Phase Flows
von: Nayak, Chaitanya S, et al.
Veröffentlicht: (2026)

Data-driven modeling of multivariate stochastic trajectories -- Application to water waves
von: Hascoët, Romain
Veröffentlicht: (2025)

Maximum Likelihood Particle Tracking in Turbulent Flows via Sparse Optimization
von: Kearney, Griffin M, et al.
Veröffentlicht: (2026)

Higher order moments of scalar within a plume in a turbulent boundary layer
von: Pang, Miaoyan, et al.
Veröffentlicht: (2026)

Modeling late-time sensitivity to initial conditions in Boussinesq Rayleigh-Taylor turbulence
von: Thévenin, Sébastien, et al.
Veröffentlicht: (2025)

Effect of filter kernel on scale-energetics of near-wall turbulent structures
von: Feldmann, Daniel, et al.
Veröffentlicht: (2020)

Rediscovering shallow water equations from experimental data
von: Heinrich, Kjell S., et al.
Veröffentlicht: (2025)

An a posteriori data-driven method for phase-averaged optical measurements
von: Amico, Enrico, et al.
Veröffentlicht: (2025)

Two-component inner--outer scaling model for the wall-pressure spectrum at high Reynolds number
von: Massey, Jonathan M. O., et al.
Veröffentlicht: (2025)

Inferring parameters and reconstruction of two-dimensional turbulent flows with physics-informed neural networks
von: Parfenyev, Vladimir, et al.
Veröffentlicht: (2024)

High-Precision Surrogate Modeling for Uncertainty Quantification in Complex Slurry Flows
von: Elkarii, Marwane, et al.
Veröffentlicht: (2024)

Extracting self-similarity from data
von: Bempedelis, Nikos, et al.
Veröffentlicht: (2024)

Intermittency-Driven Turbulence Cascade Memory Extends the Markov-Einstein Coherence Length Beyond the Canonical Estimate
von: Ju, Y. Sungtaek
Veröffentlicht: (2026)

Analog-Based Forecasting of Turbulent Velocity: Relationship between Unpredictability and Intermittency
von: Frogé, Ewen, et al.
Veröffentlicht: (2024)

Decomposing causality into its synergistic, unique, and redundant components
von: Martínez-Sánchez, Álvaro, et al.
Veröffentlicht: (2024)

The search for the gust-wing interaction "textbook"
von: Olivucci, Paolo, et al.
Veröffentlicht: (2026)

Observational causality by states and interaction type for scientific discovery
von: Martínez-Sánchez, Álvaro, et al.
Veröffentlicht: (2025)

UniFoil: A Universal Dataset of Airfoils in Transitional and Turbulent Regimes for Subsonic and Transonic Flows
von: Kanchi, Rohit Sunil, et al.
Veröffentlicht: (2025)

Neural optical flow for planar and stereo PIV
von: Masker, Andrew I., et al.
Veröffentlicht: (2024)

Experimentally Resolving Gravity-Capillary Wave Evolution in Vessels of Unknown Boundary Conditions
von: Gregory, Sean M. D., et al.
Veröffentlicht: (2026)

On the risk of fatigue failure of structural elements exposed to bottom wave slamming -- Impulse response regime
von: Hascoët, Romain, et al.
Veröffentlicht: (2023)

Data-driven pressure field prediction for ships in regular sea states
von: Loft, Malte, et al.
Veröffentlicht: (2025)

Structure functions and flatness of streamwise velocity in a turbulent channel flow
von: Granero-Belinchon, Carlos, et al.
Veröffentlicht: (2025)

Developing a Model-Consistent Reduced-Dimensionality training approach to quantify and reduce epistemic uncertainty in separated flows
von: Chu, Minghan
Veröffentlicht: (2024)

Information-theoretic characterization of turbulence intermittency
von: Sarkar, Shreyashri, et al.
Veröffentlicht: (2025)

Convolutional Neural Networks For Turbulent Model Uncertainty Quantification
von: Chu, Minghan, et al.
Veröffentlicht: (2024)

Analysis of thermochemical non-equilibrium hypersonic flow over a waverider with uncertainty quantification
von: Redding, Jeremy, et al.
Veröffentlicht: (2024)

Stochastic particle advection velocimetry (SPAV): theory, simulations, and proof-of-concept experiments
von: Zhou, Ke, et al.
Veröffentlicht: (2022)

Dimensionless learning based on information
von: Yuan, Yuan, et al.
Veröffentlicht: (2025)

Structural and Lagrangian properties of analogue ensembles to characterize multifractality of stochastic processes
von: Granero-Belinchon, Carlos
Veröffentlicht: (2026)