التجزئة أولاً، والترشيح ثانياً: تعلم نماذج الإغلاق المتوافقة مع التباين لمحاكاة الحلقة الكبيرة

نقترح إطار عمل جديد لمحاكاة الحلقة الكبيرة قائم على الشبكات العصبية لمعادلات نافير-ستوكس غير القابلة للازدحام بناءً على النموذج "التجزئة أولاً، والترشيح والإغلاق ثانياً". يؤدي ذلك إلى تناسق كامل بين النموذج والبيانات ويسمح باستخدام نماذج الإغلاق العصبية في نفس البيئة التي تم تدريبها فيها. نظرًا لأن خطأ تجزئة نموذج LES مضمن في عملية التعلم، يمكن لنماذج الإغلاق أن تتعلم لتأخذ في الاعتبار هذه التجزئة. علاوة على ذلك، نستخدم مرشحاً معتمداً على التباين محدد من خلال متوسط الوجوه ونقدم تحليل مرشح نظري وعددي جديد. يحافظ هذا المرشح على قيود التباين المنفصل من خلال البناء، على عكس المرشحات المنطقية العامة مثل مرشحات متوسط الحجم. نظهر أن استخدام صيغة LES المتوافقة مع التباين التي ترتبط بنموذج إغلاق عصبي تلافيفي ينتج نتائج مستقرة ودقيقة لكل من التدريب المسبق واللاحق، بينما يتطلب نموذج LES العام (غير المتوافق مع التباين) تدريباً لاحقاً أو تدابير أخرى لتعزيز الاستقرار.