Extreme Learning Maschine für reduzierte Modellierung von turbulenten geophysikalischen Strömungen

Wir untersuchen die Anwendung von künstlichen neuronalen Netzen zur Stabilisierung von modellreduzierenden Modellen auf Basis der Proper Orthogonal Decomposition für quasistationäre geophysikalische turbulente Strömungen. Ein Konzept der Extreme Learning Maschine wird eingeführt, um eine dynamische Eddy-Viskositätsabschätzung zur Berücksichtigung der Effekte der truncierten Modi zu berechnen. Wir betrachten ein Problem der windgetriebenen Ozeanzirkulation mit vier Gyren als unser Prototyp, um die Leistung des vorgeschlagenen datengestützten Ansatzes zu bewerten. Unser Rahmenwerk bietet eine signifikante Reduzierung der Rechenzeit und behält effektiv die Dynamik des Modells voller Ordnung während des Vorwärtssimulationszeitraums über den Trainingsdatensatz hinaus. Darüber hinaus zeigen wir, dass die Methode robust für größere Schritte bei der Zeitschrittwahl ist und als effizientes und zuverlässiges Werkzeug für die Langzeitintegration allgemeiner Zirkulationsmodelle verwendet werden kann.