{rfName}
De

Indexado en

Licencia y uso

Altmetrics

Análisis de autorías institucional

Díaz-Morales PAutor o CoautorCorrochano AAutor (correspondencia)Le Clainche SAutor o Coautor

Compartir

23 de octubre de 2023
Publicaciones
>
Artículo
No

Deep learning combined with singular value decomposition to reconstruct databases in fluid dynamics[Formula presented]

Publicado en:Expert Systems With Applications. 238 121924- - 2024-03-15 238(), DOI: 10.1016/j.eswa.2023.121924

Autores: Diaz-Morales, P; Corrochano, A; Lopez-Martin, M; Le Clainche, S

Afiliaciones

Univ Politecn Madrid, ETSI Aeronaut & Espacio, Madrid, Spain - Autor o Coautor
Univ Valladolid, ETSIT, Valladolid, Spain - Autor o Coautor
Universidad de Valladolid - Autor o Coautor
Universidad Politécnica de Madrid - Autor o Coautor

Resumen

Fluid dynamics problems are characterized by being multidimensional and nonlinear. Therefore, experiments and numerical simulations are complex and time-consuming. Motivated by this, the need arises to find new techniques to obtain data in a simpler way and in less time. In this article, we present a novel methodology based on physical principles to reconstruct databases with three, four and five dimensions, from sparse databases formed by sensor measurements. The methodology consists of combining Single Value Decomposition (SVD), which can extract the main flow dynamics, with neural networks. The neural network used is characterized by a simple architecture based on combining two autoencoders that work in parallel and are joined in the last layer. This new algorithm has been proved with three databases with different dimensions and complexities: in an Atmospheric Boundary Layer (ABL) with a turbulence model and in the flow past a two- and a three-dimensional cylinder. By applying this methodology, it has been achieved to reconstruct databases of different dimensions obtaining errors of the same order as those obtained in simulations. Summarizing, this work proposes a new hybrid physics-based machine learning model with a simple, robust and generalizable architecture, which allows reconstructing databases from very few sensors and with a very low computational cost.

Palabras clave

complex flowsdeep learningfluid dynamicspde surrogatessingular value decompositionstabilityAtmospheric boundary-layerComplex flowsData reconstructionDeep learningFluid dynamicsPde surrogatesSingular value decomposition

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Expert Systems With Applications debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2024 aún no existen indicios calculados, pero en 2023, se encontraba en la posición 24/197, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Computer Science, Artificial Intelligence.

2025-07-06:

  • Google Scholar: 3
  • WoS: 7
  • Scopus: 9

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-07-06:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 17 (PlumX).

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (DIAZ MORALES, PAULA) y Último Autor (LE CLAINCHE MARTINEZ, SOLEDAD).

el autor responsable de establecer las labores de correspondencia ha sido CORROCHANO CALCERRADA, ADRIÁN.