فهرست نشریات علمی دسترسی آزاد ایران

به‌کارگیری مدل‌های منیفلد پایه با هدف نگاشت معادلات از فضای فیزیکی به فضای ترکیب گونه‌ها و تولید جداول فلیملت، موجب کاهش قابل توجهی در هزینه‌های محاسباتی شبیه‌سازی جریان‌های واکنشی شده است. در این چارچوب، مدل‌سازی به روش فلیملت متکی بر توصیف فضای منیفلد است، به‌گونه‌ای که در شعله‌های غیرپیش‌آمیخته از کسر مخلوط و در شعله‌های پیش‌آمیخته از پارامتر پیشرفت واکنش به عنوان مختصات فضای منیفلد استفاده می‌شود. یکی از پارامترهای کلیدی در نگاشت فضای فیزیکی به فضای منیفلد، نرخ اتلاف کمیت است که به‌طور مستقیم به گرادیان مؤلفه منیفلد در فضای فیزیکی وابسته است. از این‌رو، به‌منظور تشکیل جداول فلیملت، توسعه مدلی برای نرخ اتلاف کمیت بر اساس مختصات فضای منیفلد ضروری است؛ مدلی که بتواند ویژگی‌های فضای فیزیکی را در چارچوب فضای منیفلد به‌درستی بازنمایی کند. در این پژوهش، ضمن بررسی نتایج حاصل از حل معادلات در فضای منیفلد، این نتایج با داده‌های مرجع حاصل از حل در فضای فیزیکی مقایسه شده‌اند. هدف از این تحلیل، ارزیابی دقت مدل‌های توسعه‌یافته برای پیش‌بینی نرخ اتلاف کمیت بوده است. در این راستا، مدلی نوین مبتنی بر شبکه‌های عصبی عمیق برای پیش‌بینی نرخ اتلاف پارامتر پیشرفت واکنش در شعله‌های پیش‌آمیخته با پیشروی آزاد توسعه داده شده است. نتایج حاصل از این مدل داده‌محور بیانگر عملکرد بهتر نسبت به مدل‌های پیشین و دقت بالاتر در پیش‌بینی رفتار شعله است.