Buchumschlag

Predicting the dynamics of a gas pocket during breaking wave impacts using machine learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ezeta, Rodrigo, Düz, Bulent
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Air entrainment and gas transfer processes in wave breaking events
von: Di Giorgio, Simone, et al.
Veröffentlicht: (2024)

Disk impact on a boiling liquid: Dynamics of the entrapped vapor pocket
von: Fan, Yee Li, et al.
Veröffentlicht: (2025)

Fold catastrophe in breaking waves
von: Fedele, Francesco
Veröffentlicht: (2025)

Prediction of turbulent channel flow using Fourier neural operator-based machine-learning strategy
von: Wang, Yunpeng, et al.
Veröffentlicht: (2024)

Momentum fluxes in wind-forced breaking waves
von: Scapin, Nicolò, et al.
Veröffentlicht: (2024)

Predictability of weakly turbulent systems from spatially sparse observations using data assimilation and machine learning
von: Gupta, Vikrant, et al.
Veröffentlicht: (2024)

Instability and breaking of internal waves in a horizontal shear layer
von: Lewin, Samuel F., et al.
Veröffentlicht: (2025)

Convergent series of Stokes wave of arbitrary height in deep water via machine learning
von: Lin, Chong, et al.
Veröffentlicht: (2025)

Surfactant-laden breaking wave: regular and spilling regimes
von: Wang, B., et al.
Veröffentlicht: (2025)

An energetic signature for breaking inception in surface gravity waves
von: Boettger, Daniel G., et al.
Veröffentlicht: (2023)

Wind farm layout optimization using a novel machine learning approach
von: Anjiraki, Mehrshad Gholami, et al.
Veröffentlicht: (2025)

Predicting liquid properties and behavior via droplet pinch-off and machine learning
von: Wang, Jingtao, et al.
Veröffentlicht: (2025)

Prediction of turbulent energy based on low-rank resolvent modes and machine learning
von: Fan, Yitong, et al.
Veröffentlicht: (2024)

Geometric and kinematic indicators of breaking inception in surface gravity waves
von: Boettger, Daniel G., et al.
Veröffentlicht: (2025)

Prospects of federated machine learning in fluid dynamics
von: San, Omer, et al.
Veröffentlicht: (2022)

Coalescence delay mediated by the gas layer during the impact of hot droplets
von: Xu, Zhigang, et al.
Veröffentlicht: (2025)

The influence of spectral bandwidth and shape on deep-water wave breaking onset
von: McAllister, M. L., et al.
Veröffentlicht: (2023)

The energetic inception of breaking in surface gravity waves under wind forcing
von: Boettger, Daniel G., et al.
Veröffentlicht: (2024)

Non-unique self-similar blowups in shell models: insights from dynamical systems and machine-learning
von: Campolina, Ciro, et al.
Veröffentlicht: (2025)

Defiltering turbulent flow fields for Lagrangian particle tracking using machine learning techniques
von: Oura, Tomoya, et al.
Veröffentlicht: (2024)

The advancing wave front on a sloping channel covered by a rod canopy following an instantaneous dam break
von: Buono, Elia, et al.
Veröffentlicht: (2024)

Supervised machine learning of compressible flow past a rotating cylinder
von: Kumar, Sanjeev, et al.
Veröffentlicht: (2026)

Statistical machine learning tools for probabilistic closures of turbulence models
von: Lemos, Julia Domingues, et al.
Veröffentlicht: (2025)

Flow control by a hybrid use of machine learning and control theory
von: Ishize, Takeru, et al.
Veröffentlicht: (2023)

Reduced-order modeling of a viscoelastic turbulent jet with hybrid machine learning models
von: Amor, Christian, et al.
Veröffentlicht: (2026)

High-efficient machine learning projection method for incompressible Navier-Stokes equations
von: Chen, Ruilin
Veröffentlicht: (2025)

Numerical study of a viscous breaking water wave and the limit of vanishing viscosity
von: Riquier, Alan, et al.
Veröffentlicht: (2024)

Toward ultra-efficient high-fidelity prediction of bed morphodynamics of large-scale meandering rivers using a novel LES-trained machine learning approach
von: Zhang, Zexia, et al.
Veröffentlicht: (2024)

Spreading dynamics of droplets impacting on oscillating hydrophobic substrates
von: Potnis, Aditya, et al.
Veröffentlicht: (2023)

Bayesian calibration of bubble size dynamics applied to CO2 gas fermenters
von: Hassanaly, Malik, et al.
Veröffentlicht: (2024)

Dam break of viscoplastic elliptical objects
von: Isukwem, Kindness, et al.
Veröffentlicht: (2024)

Turbulence and energy dissipation from wave breaking
von: Wu, Jiarong, et al.
Veröffentlicht: (2025)

Nonequilibrium flow simulations using unified gas-kinetic wave-particle method
von: Long, Wenpei, et al.
Veröffentlicht: (2023)

The impact of transience in the interaction between orographic gravity waves and mean flow
von: Jochum, Felix, et al.
Veröffentlicht: (2024)

Optical to infrared mapping of vapor-to-liquid phase change dynamics using generative machine learning
von: Khodakarami, Siavash, et al.
Veröffentlicht: (2025)

Compressing fluid flows with nonlinear machine learning: mode decomposition, latent modeling, and flow control
von: Fukagata, Koji, et al.
Veröffentlicht: (2025)

One-dimensional blast waves in a rarefied polyatomic gas with large bulk viscosity based on rational extended thermodynamics
von: Taniguchi, Shigeru
Veröffentlicht: (2025)

Machine learning in fluid dynamics: A critical assessment
von: Taira, Kunihiko, et al.
Veröffentlicht: (2025)

An experimental and theoretical investigation of spray characteristics of impinging jets in impact wave regime
von: Rodrigues, Neil S., et al.
Veröffentlicht: (2024)

Pore-scale imaging of hydrogen and methane storage in fractured aquifer rock: The impact of gas type on relative permeability
von: Manoorkar, Sojwal, et al.
Veröffentlicht: (2024)