Catégories
Documents disponibles dans cette catégorie (1)
Faire une suggestion Affiner la recherche
Etendre la recherche sur niveau(x) vers le haut et vers le bas
Development of Multigrid Sequential Data Assimilation Strategies for Complex Unsteady Flows / Gabriel Ionut MOLDOVAN
Titre : Development of Multigrid Sequential Data Assimilation Strategies for Complex Unsteady Flows Titre original : Développement de stratégies d'assimilation de données séquentielles multigrilles pour les écoulements instationnaires complexes Type de document : thèse Auteurs : Gabriel Ionut MOLDOVAN, Auteur ; Marcello MELDI, Directeur de thèse ; Guillaume LEHNASCH, Directeur de thèse ; Institut PPRIME UPR CNRS 3346 - FTC, Commanditaire ; Ivette Maria RODRíGUEZ PÉREZ, Rapporteur ; Étienne MEMIN, Rapporteur ; Laurent CORDIER, Examinateur ; Maria Vittoria SALVETTI, Examinateur Année de publication : 2022 Importance : 209 p. Note générale : NNT 2022ESMA0013
Abstract
Acknowledgements
Contents
Appendix
Bibliography
Catégories : Ecoulement instationnaire (dynamique des fluides)
Kalman, Filtrage de
Méthodes multigrilles (analyse numérique)
Modélisation CFD
Navier-Stokes, Equations de:Solutions numériquesRésumé : INTRODUCTION
NUMERICAL MODELS IN FLUID MECHANICS
Continuum Mechanics: Governing Equations
Turbulence Modelling
Discretisation Method
Methods for Unsteady Flows
On The Sensitivity of Compressible/Incompressible Solvers to State-Estimation Procedures
Iterative Methods For Flow Calculation
DATA ASSIMILATION: A GENERAL OVERVIEW AND A FOCUS ON SEQUENTIAL ALGORITHMS
Introduction
Uncertainty in Model and Observation
Notation in DA Problems
Variational DA
Sequential data assimilation in fluid dynamics
MULTIGRID ENSEMBLE KALMAN FILTER
VALIDATION OF THE MGEnKF
Introduction
One-Dimensional Advection Equation
Application: One-Dimensional Viscous Burgers’ Equation
Acoustic Propagation of Sinusoidal Wave
Spatially Evolving Compressible Mixing Layer
Concluding Remarks
APPLICATION OF THE MGEnKF TO A COMPLEX PROBLEM: BARC
Introduction
Numerical and Modelling Ingredients
Data-driven Enhancement of LES Using the MGEnKF
CONCLUSIONS AND FUTURE RESEARCHEn ligne : https://tel.archives-ouvertes.fr/tel-03813677 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité TH-22 MOL MOL Numérique Thèses ISAE-ENSMA en ligne Thèses Exclu du prêt