توسعه مدل رتبه کاسته جریان ژئوستروفیک با استفاده از ترکیب روش تجزیه متعامد بهینه و شبکه حافظه کوتاه مدت ماندگار

یکی از روش هایی که برای بررسی پدیده ها و رفتار سیستم ها به کار می رود، مدل سازی ریاضی می باشد. بسیاری از پدیده های فیزیکی در زمینه های مختلف علوم طبیعی و رشته های مهندسی با مجموعه ای از معادلات دیفرانسیل توصیف می شوند. مسایل فیزیکی بزرگ مقیاس با تغییرات مکانی-زمانی زیاد مثل جریان های ژیوفیزیکی و اتمسفری نمونه ای از این مسایل می باشند. از این رو ضرورت استفاده از روش هایی برای کاهش ابعاد حس می شود. روش های مختلفی برای کاهش بعد وجود دارد که در این پژوهش از ترکیب روش تجزیه متعامد بهینه و شبکه حافظه کوتاه مدت ماندگار استفاده شده است. در این پژوهش از شبکه حافظه کوتاه مدت ماندگار به منظور یادگیری تحول زمانی و از روش تجزیه متعامد بهینه برای محاسبه مودها و ایجاد مدل رتبه کاسته استفاده شده است. درنهایت با مقایسه نمودارهای مربوط به ضرایب اصلی و ضرایب پیش بینی شده با استفاده از مدل رتبه کاسته، دقت بالای این روش نشان داده شده است. یکی از مواردی که در بررسی الگوریتم ها موردتوجه می باشد، پیچیدگی زمانی اجرای الگوریتم می باشد. مرتبه زمانی روش پیشنهادی در شرایطی که از 15 مود جهت مدلسازی استفادهشده نسبت به زمانی که تمام ویژگی ها به کار برده شود، 10 مرتبه سریع تر می باشد. از طرفی تولید 90 درصد داده ها به روش شبیه سازیCFD زمانی در حدود 325 دقیقه نیاز دارد. این در حالی است که آموزش شبکه برای پیش بینی رفتار سیستم به کمک روش پیشنهادی به 135دقیقه زمان نیاز دارد که اختلاف زمان محاسباتی قابل توجهی می باشد