Zoeken
Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.
Boekenmand
Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).
RSS
Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.
nieuwe zoekopdracht
Nonlinear wave evolution with data-driven breaking
Eeltink, D.; Branger, H.; Luneau, C.; He, Y.; Chabchoub, A.; Kasparian, J.; van den Bremer, T.S.; Sapsis, T.P. (2022). Nonlinear wave evolution with data-driven breaking. Nature Comm. 13(1): 2343. https://dx.doi.org/10.1038/s41467-022-30025-z
In: Nature Communications. Nature Publishing Group: London. ISSN 2041-1723; e-ISSN 2041-1723
|   |
| Auteurs | | Top |
- Eeltink, D.
- Branger, H.
- Luneau, C.
- He, Y.
|
- Chabchoub, A.
- Kasparian, J.
- van den Bremer, T.S.
- Sapsis, T.P.
|
|
| Abstract |
Wave breaking is the main mechanism that dissipates energy input into ocean waves by wind and transferred across the spectrum by nonlinearity. It determines the properties of a sea state and plays a crucial role in ocean-atmosphere interaction, ocean pollution, and rogue waves. Owing to its turbulent nature, wave breaking remains too computationally demanding to solve using direct numerical simulations except in simple, short-duration circumstances. To overcome this challenge, we present a blended machine learning framework in which a physics-based nonlinear evolution model for deep-water, non-breaking waves and a recurrent neural network are combined to predict the evolution of breaking waves. We use wave tank measurements rather than simulations to provide training data and use a long short-term memory neural network to apply a finite-domain correction to the evolution model. Our blended machine learning framework gives excellent predictions of breaking and its effects on wave evolution, including for external data. |
IMIS is ontwikkeld en wordt gehost door het VLIZ.
