最近看了很多通过机器学习来做的湍流模型。总结出来了一点：在data-based或者data-driven相关的湍流模型中，主要是输入层、输出层、神经网络结构、标签数据。改变这4个东西，假如每个都有10个可选，总共就有10000种算法变种！举例：
2003年的一篇文章，使用LES数据做的标签，2017年有老铁研究把LES标签换成了DNS的数据。啪的一下干了一篇PRF，引用200多！
只需要啪的一声，就出来了！
一些文章的输入层是雷诺应力，一些文章的把输出层变成Cs系数。然后啪的一下干了一篇PRF，引用100多！
只需要啪的一声，又出来一篇！
类似算法小改就干出一篇SCI的现象，在CFD领域也常见，在公众号里面之前也推过很多相关的东西（看历史消息）。别说你们传统CFD就没水过文章啊！
很多CFD相关sci，摘要天花乱坠简直创世纪，岳子单手开车搭眼一看手机，就能看出来代码改动不超50行，就干了一篇顶刊。
岳子自己的sci80%都是水的，方程小改，啪就干了一篇！
但是CFD这面算法小改，上高引的概率太低了。CFD+机器学习那面算法小改，不仅能干顶刊，还非常容易出高引！
并且一些CFD+机器学习的文章，背后都不需要数学。。。直接改输入层、输出层，啪就干出一篇顶刊！马保国都没这么快！
然而还是止不住推荐大家看一下这一篇其他行业的文章：“啥破玩意都能提升石墨烯的催化性能？”
写到这里，岳子自创了一个对联，大家横批来填一下咯！
