[论文解读] Levy-Kolmogorov scaling of turbulence

W. Chen, Hongwei Zhou|ArXiv.org|Jun 15, 2005

Fluid Dynamics and Turbulent Flows参考文献 27被引用 7

一句话总结

本文提出一种使用分数阶拉普拉斯算子的分数阶纳维-斯托克斯方程，将湍流建模为稳定的 Lévy 过程，取代柯尔莫哥洛夫理论中的高斯假设。由此产生的 Lévy-Kolmogorov 缩放呈现出从 -3 到 -5/3 的幂律指数范围，其中 -5/3 指数作为高斯过程的极限情况出现，为具有重尾统计特性和异常耗散缩放的有限雷诺数湍流提供了非高斯框架。

ABSTRACT

The Kolmogorov scaling law of turbulences has been considered the most important theoretical breakthrough in the last century. It is an essential approach to analyze turbulence data present in meteorological, physical, chemical, biological and mechanical phenomena. One of its very fundamental assumptions is that turbulence is a stochastic Gaussian process in small scales5. However, experiment data at finite Reynolds numbers have observed a clear departure from the Gaussian. In this study, by replacing the standard Laplacian representation of dissipation in the Navier-Stokes (NS) equation with the fractional Laplacian, we obtain the fractional NS equation underlying the Levy stable distribution which exhibits a non-Gaussian heavy trail and fractional frequency power law dissipation. The dimensional analysis of this equation turns out a new scaling of turbulences, called the Levy-Kolmogorov scaling, whose scaling exponent ranges from -3 to -5/3 corresponding to different Levy processes and reduces to the limiting Kolmogorov scaling -5/3 underlying a Gaussian process. The truncated Levy process and multi-scaling due to the boundary effect is also discussed. Finally, we further extend our model to reflecting the history-dependent fractional Brownian motion.

研究动机与目标

• 为了解决有限雷诺数湍流中观测到的非高斯统计特性，这否定了柯尔莫哥洛夫理论的核心假设。
• 开发一个理论框架，以捕捉实验湍流数据中观测到的非高斯、重尾的速度增量分布。
• 通过在纳维-斯托克斯方程中用分数阶拉普拉斯算子替代标准拉普拉斯算子，推导出一种新的缩放律——Lévy-Kolmogorov 缩放。
• 展示该新缩放在高斯极限下如何退化为经典的柯尔莫哥洛夫 -5/3 定律。
• 通过截断 Lévy 过程实现边界诱导的多标度行为，将模型扩展以包含记忆效应，通过具有历史依赖性的分数阶布朗运动。

提出的方法

• 在纳维-斯托克斯方程中用分数阶拉普拉斯算子替代标准拉普拉斯算子，以模拟异常耗散和非高斯统计特性。
• 通过分数阶纳维-斯托克斯方程的量纲分析，推导能量谱的新缩放律。
• 将湍流建模为 Lévy 稳定过程，以捕捉与高斯性不相容的重尾速度增量分布。
• 引入截断 Lévy 过程以考虑有限系统尺寸和边界效应，从而导致多标度行为。
• 将模型扩展以通过分数阶布朗运动引入长程相关性，反映湍流中记忆效应的存在。
• 推导出从 -3 到 -5/3 的缩放指数范围，具体取决于底层 Lévy 过程的稳定性指数。

实验结果

研究问题

• RQ1 在纳维-斯托克斯方程中用分数阶拉普拉斯算子替代标准拉普拉斯算子，如何改变湍流能量谱的缩放特性？
• RQ2 当湍流被建模为 Lévy 稳定过程而非高斯过程时，能量谱的缩放指数范围是什么？
• RQ3 新的 Lévy-Kolmogorov 缩放在高斯极限下如何与经典的柯尔莫哥洛夫 -5/3 缩放相关联？
• RQ4 边界效应和有限系统尺寸在多大程度上改变了缩放行为？截断 Lévy 过程如何捕捉这一现象？
• RQ5 能否通过分数阶布朗运动将记忆效应引入湍流模型中？

主要发现

• 带有分数阶拉普拉斯算子的分数阶纳维-斯托克斯方程导致一种新的缩放律——Lévy-Kolmogorov 缩放，其幂律指数范围为 -3 至 -5/3。
• 当 Lévy 过程退化为高斯过程时，经典柯尔莫哥洛夫 -5/3 缩放成为极限情况。
• 该模型成功捕捉了速度增量中的非高斯、重尾统计特性，与有限雷诺数下的实验观测结果一致。
• 截断 Lévy 过程由于边界效应引入了多标度行为，反映了真实湍流系统的复杂性。
• 通过具有历史依赖性的分数阶布朗运动扩展模型，引入了长程相关性，增强了模型对复杂湍流动力学的现实描述能力。
• 对分数阶方程的量纲分析证实了异常耗散缩放的出现，其与 Lévy 稳定统计一致。