Data Science in Fluid Mechanics

Ziele der Vorlesung

Der Kurs lehrt die Studierenden die Analyse und Bewertung von Strömungsdaten aus unterschiedlichen Quellen, z.B. aus numerischen (CFD) und experimentellen Untersuchungen (PIV, Heißdraht, etc.). Am Ende des Kurses sind die Studierenden in der Lage, die Qualität ihrer Daten zu quantifizieren, die Hauptströmungsmerkmale zu extrahieren und diese zu visualisieren.
Insbesondere werden die Studierenden in die Lage versetzt, die statistischen und geometrischen Fehler ihrer Daten hinsichtlich der ersten (Mittelwert) und zweiten Ordnung (Reynolds-Spannungen) zu beurteilen sowie aus den Fehlerquellen auf deren Ausbreitung zu schließen. Die Kursteilnehmer sind schließlich in der Lage Wirbel und Wirbelfelder zu visualisieren und zu erkennen, den spektralen Eigenschaften ihrer Daten mittels Fourier-Transformation und Dynamic Mode Decomposition zu analysieren und kohärente Strukturen mit Proper Orthogonal Decomposition zu extrahieren.

Vorlesungsinhalt

• Fourier-Transformation, Korrelationsfunktion und Spektren
• Statistische Grundlagen, statistische Fehler, Geometrische Fehler, Mittelwert, Varianz und Variabilität
• Propagation des Fehlers
• Wirbel-Erkennung
• Proper Orthogonal Decomposition, Dynamic Mode Decomposition