[논문 리뷰] Data-driven modal decomposition methods as feature detection techniques for flow problems: a critical assessment

Beka Begiashvili, Nourelhouda Groun외 3명|arXiv (Cornell University)|2022. 12. 23.

Model Reduction and Neural Networks인용 수 4

한 줄 요약

이 논문은 난류, 난류 및 일시적 유동 케이스에서의 유동 흐름 특징 검출을 위한 여덟 가지 데이터 기반 모드 분해 기법—POD, DMD, FFT, SPOD, HODMD, mPOD, mrDMD 및 Resolvent Analysis—에 대한 종합적이고 공정한 비교를 제시한다. 재구성 정확도와 계산 효율성은 기법과 유동 영역에 따라 크게 달라지며, 복잡한 시나리오에서 HODMD와 SPOD가 뛰어난 강건성을 보여주었다.

ABSTRACT

Modal decomposition techniques are showing a fast growth in popularity for their good properties as data-driven tools. There are several modal decomposition techniques, yet Proper Orthogonal Decomposition (POD) and Dynamic Mode Decomposition (DMD) are considered the most demanded methods, especially in the field of fluid dynamics. Following their magnificent performance on various applications in several fields, numerous extensions of these techniques have been developed. In this work we present an ambitious review comparing eight different modal decomposition techniques, including most established methods: POD, DMD and Fast Fourier Trasform (FFT), extensions of these classical methods: based on time embedding systems, Spectral POD (SPOD) and Higher Order DMD (HODMD), based on scales separation, multi-scale POD (mPOD), multi-resolution DMD (mrDMD), and based on the properties of the resolvent operator, the data-driven Resolvent Analysis (RA). The performance of all these techniques will be evaluated on three different testcases: the laminar wake around cylinder, a turbulent jet flow, and the three dimensional wake around cylinder in transient regime. First, we show a comparison between the performance of the eight modal decomposition techniques when the datasets are shortened. Next, all the results obtained will be explained in details, showing both the conveniences and inconveniences of all the methods under investigation depending on the type of application and the final goal (reconstruction or identification of the flow physics). In this contribution we aim on giving a -- as fair as possible -- comparison of all the techniques investigated. To the authors knowledge, this is the first time a review paper gathering all this techniques have been produced, clarifying to the community what is the best technique to use for each application.

연구 동기 및 목표

• 유동 분석을 위한 여덟 가지 데이터 기반 모드 분해 기법에 대한 공정하고 체계적인 비교를 제공하기 위해.
• 각 기법의 흐름장 재구성 및 다양한 유동 영역에서의 기초 물리적 메커니즘 파악 능력을 평가하기 위해.
• 재구성 오차, 계산 비용, 물리적 해석 가능성 기반으로 각 기법의 강점과 한계를 명확히 하기 위해.
• 유동 재구성 또는 특징 검출과 같은 특정 응용 분야에 최적의 기법을 선택하는 데 도움을 주기 위해.
• 문헌에서의 종합적 리뷰 부족을 보완하기 위해 모드 분해 기법을 비교하는 통합 프레임워크를 수립하기 위해.

제안 방법

• 연구는 난류 후류, 난류 제트 및 3차원 일시적 실린더 후류의 세 가지 벤치마크 유동 케이스를 사용하여 여덟 가지 기법—POD, DMD, FFT, SPOD, HODMD, mPOD, mrDMD 및 Resolvent Analysis—를 평가한다.
• 재구성 정확도는 원본 및 재구성된 유동장 간의 차이에 대한 프로베니우스 노름을 사용하여 정량화하며, 최소 제곱법을 통한 진폭 추정을 통해 오차를 최소화한다.
• DMD 및 HODMD의 진폭 계산은 직접 투영(Eq. 37)과 전체 행렬 기반 최적화(Eq. 39) 방식을 모두 사용하며, 후자가 더 높은 정확도를 보여 더 선호된다.
• HODMD의 경우, SVD를 이용한 의사역행렬을 통한 과잉 결정계수 시스템을 풀어 진폭을 계산하며, 메모리 부담을 줄이기 위해 행렬의 구조를 활용한 대안 형식도 고려된다.
• DMD 모드의 물리적 중요도를 순위 매기기 위해 성장률 기반 기준(Eq. 46)을 적용하여 진폭과 시간 동역학을 모두 고려한다.
• 각 기법의 성능은 데이터 길이가 다른 세 가지 테스트 케이스에서 재구성 오차와 계산 시간에 중점을 두고 평가된다.

실험 결과

연구 질문

• RQ1 어느 모드 분해 기법이 난류, 난류 및 일시적 흐름 영역에서 가장 높은 재구성 정확도를 달성하는가?
• RQ2 특히 대용량 데이터 세트에 대해 여덟 가지 기법 간의 계산 비용과 메모리 요구량은 어떻게 달라지는가?
• RQ3 다른 진폭 계산 전략(예: Eq. 37 대비 Eq. 39)은 DMD 및 HODMD 재구성의 정확도에 어떤 영향을 미치는가?
• RQ4 SPOD, HODMD, mPOD 및 mrDMD와 같은 확장된 기법들이 전통적인 POD 및 DMD에 비해 다스케일 또는 일시적 흐름 특징을 얼마나 잘 포착하는가?
• RQ5 Resolvent Analysis는 전통적인 모드 분해 기법에 비해 공명 구조를 식별하는 데 얼마나 효과적인가?

주요 결과

• HODMD는 2차원 난류 후류 케이스에서 Eq. (39)를 사용한 진폭 계산으로 재구성 오차 $5.85 \times 10^{-13}$을 달성하여 다른 기법들을 크게 앞서며 뛰어난 성능을 보였다.
• 전체 행렬 투영 기반 방법(Eq. 39)은 스냅샷 기반 접근 방식(Eq. 37) 대비 재구성 오차를 6개 지수 정도 감소시켰으며, 후자의 오차는 $1.64 \times 10^{-6​}$이었다.
• SPOD와 HODMD는 3차원 실린더 후류 케이스에서 일시적 및 다스케일 특징을 포착하는 데 뛰어난 강건성을 보였으며, 특히 데이터가 제한된 경우 두드러졌다.
• 가장 정확한 진폭 계산(Eq. 39)에 소요된 계산 시간은 $6.53 \times 10^{-4}$ 초였으며, 높은 정확도를 매우 낮은 오버헤드로 달성할 수 있음을 보여주었다.
• 성장률 기반 기준(Eq. 46)은 난류 채널 흐름에서 진폭이 중간 수준이더라도 주요이고 장수명의 모드를 성공적으로 식별하였다.
• Resolvent Analysis는 DMD 및 POD 모드와 유사성을 보였으며, 특히 난류 제트에서 공명 구조를 식별하는 데 효과적이었지만, 표준 DMD보다 계산 비용이 더 높았다.