[论文解读] Dimension reduction in MHD power generation models: dimensional analysis and active subspaces

Andrew Glaws, Paul G. Constantine+2 more|arXiv (Cornell University)|Sep 5, 2016

Model Reduction and Neural Networks参考文献 15被引用 3

一句话总结

该论文提出了一种结合量纲分析与主动子空间的方法，用于降低磁流体动力学（MHD）发电模型的输入维度，发现仅四个或更少的对数变换参数的线性组合显著影响关键输出。该方法识别出主导的输入敏感性，例如流速对粘度和压力梯度的敏感性，以及感应磁场对电阻率和磁场的敏感性，从而在计算成本高昂的模拟中实现高效的不确定性量化与设计优化。

ABSTRACT

Magnetohydrodynamics (MHD)---the study of electrically conducting fluids---can be harnessed to produce efficient, low-emissions power generation. Today, computational modeling assists engineers in studying candidate designs for such generators. However, these models are computationally expensive, so studying the effects of the model's many input parameters on output predictions is typically infeasible. We study two approaches for reducing the input dimension of the models: (i) classical dimensional analysis based on the inputs' units and (ii) active subspaces, which reveal low-dimensional subspaces in the space of inputs that affect the outputs the most. We also review the mathematical connection between the two approaches that leads to consistent application. The dimension reduction yields insights into the driving factors in the MHD power generation models. We study both the simplified Hartmann problem, which admits closed form expressions for the quantities of interest, and a large-scale computational model with adjoint capabilities that enable the derivative computations needed to estimate the active subspaces.

研究动机与目标

• 为解决在MHD发电模拟中研究高维输入空间的计算不可行性。
• 识别出最影响平均流速和感应磁场等感兴趣量的低维输入子空间。
• 建立经典量纲分析与基于梯度的主动子空间之间的数学联系，实现一致的降维。
• 将该框架应用于解析（Hartmann问题）和大规模3D计算MHD模型，以验证所得见解。
• 通过揭示主导输入敏感性与内在模型维度，实现高效的不确定性量化与计算设计。

提出的方法

• 对MHD控制方程应用经典量纲分析，以确定影响系统的最大数量的无量纲群（无量纲参数）。
• 使用伴随法敏感性分析，计算在具有完整导数能力的大规模3D MHD模拟中，输出对输入的梯度。
• 通过矩阵 $\mathbf{C} = \mathbb{E}[\nabla f(\mathbf{x}) \nabla f(\mathbf{x})^T]$ 的特征分解构建主动子空间，其中 $f(\mathbf{x})$ 为感兴趣量。
• 对输入参数进行对数变换，以线性化输入与输出之间的关系，从而可与量纲分析结果进行比较。
• 根据主动子空间矩阵的特征值，对输入组合按其对输出方差的影响进行排序。
• 通过第一组主动变量与输出的一维和二维概览图，可视化低维结构。

实验结果

研究问题

• RQ1 在MHD发电模型中，平均流速和感应磁场由多少个有效输入参数控制？
• RQ2 在具有多个输入参数的物理系统中，量纲分析与主动子空间之间的数学关系是什么？
• RQ3 在简化模型和大规模MHD模型中，哪些输入参数对输出感兴趣量的影响最强？
• RQ4 输出行为在多大程度上可由单个对数变换输入线性组合的一维函数近似？
• RQ5 在参数空间的哪些区域，一维近似失效，需采用更高维表示？

主要发现

• Hartmann问题在平均流速和感应磁场方面均表现出内在维度为2，意味着仅两个对数变换输入的线性组合控制这些输出。
• 大规模3D MHD模型的内在维度至多为4，这受到量纲分析的限制，且主动子空间验证了该上限。
• 主动子空间矩阵的第一个特征向量显示，平均流速对流体粘度和施加压力梯度最为敏感。
• 感应磁场对电阻率和施加磁场最为敏感，而流体密度的影响可忽略不计。
• 在低粘度、高压梯度、低电阻率和高磁场区域，感应磁场需要超过两个线性组合才能实现准确近似。
• 一维概览图显示，Hartmann问题中的平均流速和感应磁场均可由单个对数变换输入线性组合良好近似，表明存在显著的低维结构。