DOI: https://doi.org/10.1017/jfm.2025.11087
تاريخ النشر: 2026-01-22
المؤلف: Flavio Tuteri وآخرون
الموضوع الرئيسي: الظواهر الجوية والمحاكاة
نظرة عامة
في هذا القسم، يستكشف المؤلفون تأثير التقلبات الصغيرة على ديناميات التدفق المضطرب عند أرقام رينولدز الواقعية، مع التركيز على موتر الإجهاد دون الشبكة $\tau_{ij}$. النماذج التقليدية، التي تقارب $\tau_{ij}$ كدالة لتدرج السرعة المفلترة، غالبًا ما تتجاهل التأثير الكبير للاختلافات اللحظية عن المتوسط. لمعالجة ذلك، يستخدم المؤلفون محاكاة عددية مباشرة جنبًا إلى جنب مع التصفية الغاوسية لتحديد تأثيرات دون الشبكة وتحليل تدفق الطاقة المحلي في كل من المجالات المكانية والزمنية.
تقيّم الدراسة أداء نموذج كلارك القياسي من خلال تكييف توزيعات تدفق الطاقة على الثوابت الخاصة بمؤشر تدرج السرعة المفلتر، $Q$ و $R$. بينما يلتقط نموذج كلارك تدفق الطاقة المتوسط بشكل فعال، فإن التقلبات حول هذه القيم المتوسطة تظهر خصائص توزيعات ذات ذيول سميكة، مما يشير إلى أنها قابلة للمقارنة من حيث الحجم مع المتوسط. يستكشف المؤلفون أيضًا التوزيعات المشتركة لتدفق الطاقة الحقيقي والتنبؤات من كل من نماذج كلارك وسماغورينسكي، مما يكشف عن سمات غير غاوسية واضحة، وخاصة الذيل الثقيل. تؤكد النتائج على ضرورة دمج التقلبات في نمذجة دون الشبكة من خلال إطار عشوائي لتمثيل آليات التغذية الراجعة بين الديناميات الصغيرة والكبيرة بشكل أفضل.
مقدمة
تناقش مقدمة ورقة البحث التحديات والمنهجيات المرتبطة بمحاكاة التدفقات المضطربة، والتي تعتبر حاسمة في مجالات متنوعة مثل الهندسة، والجيولوجيا الفيزيائية، وعلم الفلك. على الرغم من التقدم في القدرات الحاسوبية، تظل المحاكاة العددية المباشرة (DNS) التي تلتقط بدقة جميع مقاييس الاضطراب غير عملية لمعظم التطبيقات الواقعية بسبب الزيادة السريعة في درجات الحرية مع حجم النظام. لمعالجة ذلك، يتم استخدام محاكاة الدوامة الكبيرة (LES) بشكل شائع، والتي نمذجة تأثيرات الحركات غير المحلولة من خلال نماذج تجريبية، لا سيما تلك المستندة إلى موتر الإجهاد دون الشبكة $\tau_{ij}$. لقد أظهرت هذه النماذج، بما في ذلك نماذج سماغورينسكي وكلارك، أداءً معقولًا في إعادة إنتاج بعض الخصائص الإحصائية للاضطراب ولكنها غالبًا ما تظهر تباينات كبيرة في تنبؤات مكونات الإجهاد، لا سيما في سياق عملية الشلال المضطرب.
تهدف الورقة إلى تحديد التقلبات في تدفق الطاقة دون الشبكة ومقارنتها مع تنبؤات النماذج الكلاسيكية، باستخدام بيانات DNS لمعادلات نافير-ستوكس. سيتم استخدام نهجين: تحليل المتوسطات الشرطية بناءً على الثوابت الخاصة بمؤشر تدرج السرعة وفحص دالة كثافة الاحتمال المشتركة (PDF) لتنبؤات النماذج مقابل الحقيقة الأساسية. الهدف النهائي هو تعزيز تطوير نماذج دون الشبكة العشوائية لمحاكاة التدفق المضطرب. يؤكد المؤلفون على أهمية التقاط التأثيرات الصغيرة بدقة، لا سيما في ضوء النتائج الأخيرة التي تشير إلى أن العشوائية يمكن أن تظهر في التدفقات الكبيرة على مدى زمن محدود. ستركز الدراسة على أبسط الإغلاقات الحتمية لتسليط الضوء على المكونات العشوائية وتوفير أساس لتطبيقات التعلم الآلي المستقبلية في نمذجة الاضطراب.
النتائج
تستخدم نتائج الدراسة حلاً عدديًا لمعادلات نافير-ستوكس، تم تنفيذه من خلال الكود شبه الطيفي GHOST، الذي يستخدم مخطط رانج-كوتا من الدرجة الرابعة. تم إجراء المحاكاة في صندوق مكعب دوري بحجم $2\pi$ بدقة 1024 في كل اتجاه، ولزوجة $\nu = 5 \times 10^{-4}$. لتحديد معدل حقن الطاقة المتوسط، تم تطبيق دالة قسرية، تم تعريفها كـ \( f(k, t) = p^2 |u(p, t)|^2 + i\phi_k u(k, t) \)، حيث يتم تهيئة المراحل \( \phi_k \) عشوائيًا وتظل ثابتة. بعد مرحلة انتقالية، تم تحقيق حالة مستقرة، تتماشى مع الاضطراب المتجانس الكلاسيكي.
تُظهر النتائج في الشكل 1، الذي يقدم طيف الطاقة على اليسار، مما يوضح طيف كولموغوروف-أوبوكوف \( 5/3 \) على مدى يقارب عقدين. على اليمين، يتم عرض متوسط نقل الطاقة \( \Pi \) عبر المقياس \( k \)، مُعدلًا بواسطة معدل حقن الطاقة المتوسط. يتم تحديد النطاق الحركي حيث يقترب النقل المعدل من 1. تشير الخط الأزرق إلى المتوسط المكاني والزمني باستخدام فلتر طيفي حاد، بينما تمثل المثلثات الحمراء تقديرات مستندة إلى التصفية الغاوسية، مع اختيار عدد الموجة 16 كنقطة تمثيلية داخل النطاق الحركي.
المناقشة
في هذا القسم، يناقش المؤلفون تعقيدات نمذجة الاضطراب، مع التركيز بشكل خاص على نهج التصفية وآثار استخدام نماذج مختلفة لتوقع تدفق الطاقة في التدفقات المضطربة. يؤكدون على ضرورة فصل الديناميات الكبيرة والصغيرة مع الاعتراف بترابطها الفطري بسبب عدم الخطية. يتم استخدام الفلتر الغاوسي لاشتقاق مجال السرعة ذو الحبيبات الخشنة، مما يؤدي إلى صياغة موتر الإجهاد دون الشبكة، وهو أمر حاسم لنمذجة نقل الطاقة. يبرز المؤلفون أن النماذج التقليدية، مثل تلك التي قدمها كلارك وسماغورينسكي، تقدم تنبؤات حتمية لتدفق الطاقة ولكنها تفشل في التقاط الطبيعة الإحصائية الكاملة للاضطراب، لا سيما وجود توزيعات ذات ذيول ثقيلة وعدم تماثل كبير.
يكشف التحليل أن نموذج كلارك، على الرغم من فعاليته كتقريب من الدرجة الأولى، يقلل من تقدير التباين والأحداث القصوى المرتبطة بتدفق الطاقة، لا سيما في سياق ضغط الدوامات. يجادل المؤلفون بأن الحدود غير المحلية في تدفق الطاقة ضرورية لتمثيل ديناميات التدفقات المضطربة بدقة. يدعون إلى تطوير نماذج عشوائية يمكن أن تشمل كل من السلوك المتوسط والتباين الإحصائي لنقل الطاقة، متجاوزين الافتراضات البسيطة للضوضاء الغاوسية. تشمل اتجاهات البحث المستقبلية استكشاف الارتباطات الزمنية في تدفق الطاقة واستغلال الأساليب المعتمدة على البيانات لالتقاط التقلبات حول النماذج الحتمية بشكل أفضل، مع معالجة التحديات التي تطرحها البيانات عالية الأبعاد في الاضطراب ثلاثي الأبعاد.
DOI: https://doi.org/10.1017/jfm.2025.11087
Publication Date: 2026-01-22
Author(s): Flavio Tuteri et al.
Primary Topic: Meteorological Phenomena and Simulations
Overview
In this section, the authors explore the impact of small-scale fluctuations on turbulent flow dynamics at realistic Reynolds numbers, focusing on the subgrid-scale stress tensor $\tau_{ij}$. Traditional models, which approximate $\tau_{ij}$ as a function of the filtered velocity gradient, often overlook the significant influence of instantaneous deviations from the mean. To address this, the authors utilize direct numerical simulations alongside Gaussian filtering to quantify subgrid-scale effects and analyze local energy flux in both spatial and temporal domains.
The study evaluates the performance of the canonical Clark model by conditioning energy flux distributions on the invariants of the filtered velocity gradient tensor, $Q$ and $R$. While the Clark model effectively captures the mean energy flux, the fluctuations around these mean values exhibit characteristics of fat-tailed distributions, indicating that they are comparable in magnitude to the mean. The authors further investigate the joint distributions of true energy flux and predictions from both the Clark and Smagorinsky models, revealing clear non-Gaussian traits, particularly heavy tails. The findings underscore the necessity of incorporating fluctuations into subgrid-scale modeling through a stochastic framework to better represent the feedback mechanisms between small-scale and large-scale dynamics.
Introduction
The introduction of the research paper discusses the challenges and methodologies associated with simulating turbulent flows, which are crucial in various fields such as engineering, geophysics, and astrophysics. Despite advancements in computational capabilities, direct numerical simulations (DNS) that accurately capture all scales of turbulence remain impractical for most real-world applications due to the rapid increase in degrees of freedom with system size. To address this, large-eddy simulations (LES) are commonly employed, which model the effects of unresolved subfilter motions through empirical models, notably those based on the subgrid-scale stress tensor $\tau_{ij}$. These models, including the Smagorinsky and Clark models, have shown reasonable performance in reproducing certain statistical properties of turbulence but often exhibit significant discrepancies in stress component predictions, particularly in the context of the turbulent cascade process.
The paper aims to quantify fluctuations in subgrid-scale energy flux and compare these with classical model predictions, utilizing DNS data of the Navier-Stokes equations. Two approaches will be employed: analyzing conditional means based on the invariants of the velocity gradient tensor and examining the joint probability density function (PDF) of model predictions against ground truth. The ultimate goal is to enhance the development of stochastic subgrid-scale models for turbulent flow simulations. The authors emphasize the importance of accurately capturing small-scale effects, particularly in light of recent findings suggesting that randomness can emerge in large-scale flows over finite time. The study will focus on the simplest deterministic closures to highlight the stochastic components and provide a foundation for future machine learning applications in turbulence modeling.
Results
The results of the study utilize a numerical solution of the Navier-Stokes equations, implemented through the pseudo-spectral code GHOST, which employs a fourth-order Runge-Kutta scheme. The simulations were conducted in a periodic cubic box of size $2\pi$ with a resolution of 1024 in each direction, and a viscosity of $\nu = 5 \times 10^{-4}$. To establish a mean energy injection rate, a forcing function was applied, defined as \( f(k, t) = p^2 |u(p, t)|^2 + i\phi_k u(k, t) \), where the phases \( \phi_k \) are randomly initialized and held constant. Following a transient phase, a steady state was achieved, consistent with classical isotropic turbulence.
The findings are illustrated in Figure 1, which presents the energy spectrum on the left, demonstrating a Kolmogorov-Obukhov \( 5/3 \) spectrum over nearly two decades. On the right, the mean energy transfer \( \Pi \) across scale \( k \) is shown, normalized by the mean energy injection rate. The inertial range is identified where the normalized transfer approaches 1. The blue line indicates the spatial and temporal average using a sharp spectral filter, while the red triangles represent estimates based on Gaussian filtering, with wavenumber 16 selected as a representative point within the inertial range.
Discussion
In this section, the authors discuss the complexities of turbulence modeling, particularly focusing on the filtering approach and the implications of using different models to predict energy flux in turbulent flows. They emphasize the necessity of separating large and small scale dynamics while acknowledging their inherent coupling due to nonlinearity. The Gaussian filter is employed to derive the coarse-grained velocity field, leading to the formulation of the subgrid-scale stress tensor, which is crucial for modeling energy transfer. The authors highlight that traditional models, such as those by Clark and Smagorinsky, provide deterministic predictions of energy flux but fail to capture the full statistical nature of turbulence, particularly the presence of heavy-tailed distributions and significant asymmetries.
The analysis reveals that the Clark model, while effective as a first-order approximation, underestimates the variability and extreme events associated with energy flux, particularly in the context of vortex compression. The authors argue that the non-local terms in the energy flux are vital for accurately representing the dynamics of turbulent flows. They advocate for the development of stochastic models that can incorporate both mean behavior and the statistical variability of energy transfer, moving beyond simple Gaussian noise assumptions. Future research directions include exploring temporal correlations in energy flux and leveraging data-driven approaches to better capture fluctuations around deterministic models, while addressing the challenges posed by high-dimensional data in three-dimensional turbulence.