Краткое содержание

arXiv:2511.05633v1 Тип объявления: новый Аннотация: Прогнозирование эволюции турбулентных течений является центральной задачей во всех областях науки и техники. Большинство исследований основываются на симуляциях с использованием моделей турбулентности, эмпирические упрощения которых приводят к эпистемической неопределённости. Метод возмущения собственного пространства (EPM) — широко используемый физический подход для количественной оценки неопределенности формы модели, однако будучи чисто физическим методом, он может завышать границы неопределенности. Мы предлагаем метод модуляции величин возмущений EPM с помощью свёрточной нейронной сети (CNN), позволяющий улучшить калибровку, сохранив физическую согласованность. В типовых тестовых случаях гибридный подход ML-EPM даёт существенно более узкие и лучше откалиброванные оценки неопределенности по сравнению с базовым EPM отдельно.