《表1 主要的模型框架及应用》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《机器学习在湍流模型构建中的应用进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

机器学习方法的多样以及相对应的超参数极大地丰富了模型框架的选择性。主要的模型框架及其在湍流中的不同应用如表1所示。这些模型框架都能够用于构建复杂的非线性映射关系，研究者可根据具体问题具体选择。模型的超参数可通过不断调整和对比结果来确定，也可借鉴于某些超参数优化算法，如Spearmint、Hyperopt等等。在超参数的优化过程中，除了考虑模型在训练集上的精度外，亦应考虑其在验证集或后验测试中的表现。