【涡与湍流专栏(二)】基于数据融合与机器学习的湍流模拟方法
作者：肖恒 博士
风流知音【涡与湍流专栏(二)】基于数据融合与机器学习的湍流模拟方法 CFDJT(2018)1002
基于数据融合与机器学习的湍流模拟方法
Data-Driven, Physics-Informed Approach forPredictive Turbulence Modeling: From Data Assimilation to Machine Learning
肖恒, 助理教授
弗吉尼亚理工大学航空与海洋工程系
Heng Xiao
Assistant Professor
Kevin T. Crofton Department of Aerospace and OceanEngineering
Virginia Tech
肖恒, 湖北天门人。2003年毕业于浙江大学土木系，2005年获瑞典皇家理工学院科学计算方向硕士，2009年获普林斯顿大学博士，2009年至2012年在苏黎世联邦理工学院流体力学研究所从事博士后研究，2013年加入弗吉尼亚理工大学任助理教授。他目前的主要研究方向是结合传统物理模型与现代数据科学的建模方法和数据驱动的湍流模拟。其他研究领域包括离散元方法，泥沙输运，海洋可再生能源等。
更多信息详见报告人个人主页：
欢迎投稿，欢迎个人转发到朋友圈，报刊等转载请联系授权
yangquanshui@gmail.com
登录后免费查看全文
著作权归作者所有，欢迎分享，未经许可，不得转载
首次发布时间：2022-09-17
最近编辑：1年前
博士
专注空气动力学、流体力学、固体...
相关推荐
热门文章
