Reduced-order modeling via convolutional autoencoder for emulating combustion of hydrogen/methane fuel blends

Numerical simulations are essential in comprehending the processes of flow and combustion in aerospace and power-generation systems. Yet, substantial computational demands render these simulations prohibitively expensive for design and optimization, owing to the large amount of design parameters to...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	Combustion and flame Jg. 274; S. 113981
Hauptverfasser:	Ding, Siyu, Ni, Chenxu, Chu, Xu, Lu, Qingzhou, Wang, Xingjian
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Elsevier Inc 01.04.2025
Schlagworte:	Convolutional autoencoder Kriging Nonlinear feature Proper orthogonal decomposition Reduced-order model (ROM) Proper orthogonal decomposition Nonlinear feature Convolutional autoencoder Reduced-order model (ROM) Kriging
ISSN:	0010-2180
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!