主题：Data-driven reduced order modelling and its applications

主讲人：英国斯旺西大学 肖敦辉博士

主持人：经济555000jc赌船 李坤博士

时间：2021年4月7日（周三）16:00-17:00

直播平台及会议ID：腾讯会议，146 643 254

主办单位：经济555000jc赌船 科研处

主讲人简介：

肖敦辉，男，目前就职于英国斯旺西大学有限元方法之父的Zienkiewicz工程计算中心担任讲师（助理教授），博士生导师。肖敦辉博士2013年获帝国理工全奖开始攻读计算流体力学博士，于2016年获博士学位。之后在帝国理工地球科学系和数据科学所（2015年习主席曾访问过的研究所）从事博士后研究，于2018年10月开始在斯旺西大学担任讲师，博士生导师。肖博士以第一作者或通讯作者身份发表SCI 论文20篇，其中大多数都发表在计算力学领域顶级期刊上。肖博士一直致力于地球科学领域基础计算方法研究。在帝国理工学习工作的七年多时间里，肖博士在基于数据驱动的计算模型领域取得了一系列的成果。由于在此领域的贡献，肖博士曾被帝国理工授予了最佳科研博士生（一年只授予一个学术最佳的博士生，经常空缺）。近年来，肖博士逐步从传统的计算模型降阶算法研究转向数据驱动的偏微分方程描述，并开发了一套数据驱动模型降阶理论以解决传统物理问题低维描述过程中一些长期悬而未决的问题如稳定性与非线性低效问题。

内容提要：

计算模拟是人类认识自然界和地球复杂系统的重要手段。计算模拟是通过计算机求解描述自然或地球科学问题的偏微分方程来实现。由于地球系统的复杂、混沌、非线性以及高维度，求解此类偏微分方程的计算模型涉及到大量的数据以及矩阵运算，就连最先进的计算机也无法准确而快速的进行模拟。降阶模型为这个问题提高了解决途径。降阶模型能显著提高计算效率100-10000倍同时又保证了精度。降阶模型让各种需要运行计算模型成千上万次的应用问题比如飞机形体设计，参数敏感性分析、不确定性分析等问题成为可能。近年来，数据科学以及深度学习的快速发展为模拟复杂非线性等问题提供了重要基础。本报告将探讨基于数据驱动降阶模型的理论以及地球科学以及工程科学领域如空气污染、洪水、城市流体、石油油藏模型等的应用。