Buchumschlag

Parametric Dynamic Mode Decomposition with multi-linear interpolation for prediction of thermal fields of Al2O3-water nanofluid flows at unseen parameters

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	S, Abhijith M, S, Sandra
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Fluid Dynamics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FLUME-FNO: data-efficient and scalable prediction of 3D wind and temperature fields in unseen urban morphologies
von: Qin, Shaoxiang, et al.
Veröffentlicht: (2025)

Analysis of tidal flows through the Strait of Gibraltar using Dynamic Mode Decomposition
von: Dias, Sathsara, et al.
Veröffentlicht: (2023)

Generative prediction of flow fields around an obstacle using the diffusion model
von: Hu, Jiajun, et al.
Veröffentlicht: (2024)

FlowBERT: Prompt-tuned BERT for variable flow field prediction
von: Zou, Weihao, et al.
Veröffentlicht: (2025)

Variational Mode Decomposition-Based Nonstationary Coherent Structure Analysis for Spatiotemporal Data
von: Ohmichi, Yuya
Veröffentlicht: (2023)

Vector-based loss functions for turbulent flow field inpainting
von: Baker, Samuel J., et al.
Veröffentlicht: (2025)

Efficient temporal prediction of compressible flows in irregular domains using Fourier neural operators
von: Nie, Yifan, et al.
Veröffentlicht: (2026)

Bayesian inverse Navier-Stokes problems: joint flow field reconstruction and parameter learning
von: Kontogiannis, Alexandros, et al.
Veröffentlicht: (2024)

On the joint estimation of flow fields and particle properties from Lagrangian data
von: Zhou, Ke, et al.
Veröffentlicht: (2025)

A novel Trunk Branch-net PINN for flow and heat transfer prediction in porous medium
von: Xing, Haoyun, et al.
Veröffentlicht: (2025)

Proper Latent Decomposition
von: Kelshaw, Daniel, et al.
Veröffentlicht: (2024)

Learning multi-phase flow and transport in fractured porous media with auto-regressive and recurrent graph neural networks
von: Kobaisi, Mohammed Al, et al.
Veröffentlicht: (2025)

Dimensionality Reduction and Dynamical Mode Recognition of Circular Arrays of Flame Oscillators Using Deep Neural Network
von: Xu, Weiming, et al.
Veröffentlicht: (2023)

Evaporative cooling and deposition patterns of evaporating $Al_2O_3$ nanofluid droplets
von: Saroj, S. K., et al.
Veröffentlicht: (2026)

Generalization capabilities of MeshGraphNets to unseen geometries for fluid dynamics
von: Schmöcker, Robin, et al.
Veröffentlicht: (2024)

Physics-Informed Chebyshev Polynomial Neural Operator for Parametric Partial Differential Equations
von: Chen, Biao, et al.
Veröffentlicht: (2026)

Data assimilation and parameter identification for water waves using the nonlinear Schrödinger equation and physics-informed neural networks
von: Ehlers, Svenja, et al.
Veröffentlicht: (2024)

Attention on flow control: transformer-based reinforcement learning for lift regulation in highly disturbed flows
von: Liu, Zhecheng, et al.
Veröffentlicht: (2025)

PointSAGE: Mesh-independent superresolution approach to fluid flow predictions
von: Sarkar, Rajat, et al.
Veröffentlicht: (2024)

Decoder Decomposition for the Analysis of the Latent Space of Nonlinear Autoencoders With Wind-Tunnel Experimental Data
von: Mo, Yaxin, et al.
Veröffentlicht: (2024)

Prediction of flow and elastic stresses in a viscoelastic turbulent channel flow using convolutional neural networks
von: Balasubramanian, Arivazhagan G., et al.
Veröffentlicht: (2024)

Timescale Separation Enables Deep Reinforcement Learning Control of Rotating Detonation Engine Mode Transitions
von: Holme, Kristian, et al.
Veröffentlicht: (2026)

Benchmarking machine learning models for predicting aerofoil performance
von: Summerell, Oliver, et al.
Veröffentlicht: (2025)

Parsimonious Dynamic Mode Decomposition: A Robust and Automated Approach for Optimally Sparse Mode Selection in Complex Systems
von: Das, Arpan, et al.
Veröffentlicht: (2024)

Interpreting and generalizing deep learning in physics-based problems with functional linear models
von: Arzani, Amirhossein, et al.
Veröffentlicht: (2023)

HFNO: an interpretable data-driven decomposition strategy for turbulent flows
von: Cayuela, Marco, et al.
Veröffentlicht: (2025)

Equation-informed data-driven identification of flow budgets and dynamics
von: Sevryugina, Nataliya, et al.
Veröffentlicht: (2024)

Rapid aerodynamic prediction of swept wings via physics-embedded transfer learning
von: Yang, Yunjia, et al.
Veröffentlicht: (2024)

Neural ensemble Kalman filter: Data assimilation for compressible flows with shocks
von: Zhou, Xu-Hui, et al.
Veröffentlicht: (2026)

Equation identification for fluid flows via physics-informed neural networks
von: New, Alexander, et al.
Veröffentlicht: (2024)

Transfer learning strategies for accelerating reinforcement-learning-based flow control
von: Salehi, Saeed
Veröffentlicht: (2025)

Stabilization Analysis and Mode Recognition of Kerosene Supersonic Combustion: A Deep Learning Approach Based on Res-CNN-beta-VAE
von: Xu, Weiming, et al.
Veröffentlicht: (2025)

Machine-learning-based multipoint optimization of fluidic injection parameters for improving nozzle performance
von: Yang, Yunjia, et al.
Veröffentlicht: (2024)

Solving nonlinear subsonic compressible flow in infinite domain via multi-stage neural networks
von: Qian, Xuehui, et al.
Veröffentlicht: (2026)

RheOFormer: A generative transformer model for simulation of complex fluids and flows
von: Saberi, Maedeh, et al.
Veröffentlicht: (2025)

Mean flow data assimilation using physics-constrained Graph Neural Networks
von: Quattromini, M., et al.
Veröffentlicht: (2024)

Unsupervised simulation of incompressible flows with physics- and equality- constrained artificial neural networks
von: Hu, Qifeng, et al.
Veröffentlicht: (2025)

A critical assessment of reinforcement learning methods for microswimmer navigation in complex flows
von: Mecanna, Selim, et al.
Veröffentlicht: (2025)

The impact of observation density on Bayesian inversion of latent dynamics in shock-dominated flows
von: Tiwari, Bipin, et al.
Veröffentlicht: (2026)

Reduced-order modeling of unsteady fluid flow using neural network ensembles
von: Halder, Rakesh, et al.
Veröffentlicht: (2024)