Kolloquium FR 28.3.14, 10 Uhr, WE5/05.013

Claudia Buhl: Anwendung von Methoden des maschinellen Lernens im Kontext der Simulation reaktiver Strömungen 

Bei der numerischen Simulation von reaktiven Strömungen wird die numerische Strömungsmechanik mit numerischen Methoden zur Lösung chemischer Probleme gekoppelt. Die Berechnung der chemischen Reaktionen nimmt dabei einen Großteil der gesamten Simulationszeit in Anspruch. Eine Möglichkeit, diesem Problem entgegenzuwirken, sind Flamelet-Datenbanken, in denen vor der Simulation die exakte chemische Lösung diskreter Zustände hinterlegt wird. Mittels linearer Interpolation können dann während der Simulation für beliebige Zustände die Lösungen approximiert werden. Diese Datenbanken sind jedoch extrem speicherintensiv. Aufgabe dieser Masterarbeit ist es, mittels maschinellen Lernens die Datenmengen zu reduzieren und dabei noch eine möglichst hohe Ergebnisqualität zu erreichen. Als Lernverfahren wird die Methodik K-Nächste-Nachbarn verwendet. Zunächst wird eine analytische Validierung von KNN und der linearen Interpolation durchgeführt. Des Weiteren wird für KNN eine adaptive Generierung der Trainingsdaten umgesetzt. Anschließend werden beide Verfahren mittels einer vereinfachten Flamelet-DB als Datenbasis verglichen.