Статья

В статье представлен обзор современных тенденций использования технологий интеллектуального анализа данных в теплофизике. Особое внимание уделяется подходам, интегрирующим методы машинного обучения (МО) с моделями, базирующимися на уравнениях математической физики. Обсуждаются способы введения смещений, обусловленных физическими ограничениями, в алгоритмы МО (смещения наблюдений, индуктивные смещения, смещения обучения) и их совмещение в гибридных архитектурах. Приведены примеры реализации этих подходов для восстановления полей температуры, скорости, давления из изображений визуализированных потоков, предсказания критического теплового потока при кипении и некоторых других задач теплообмена в газах и жидкостях.