연구진이 CTA-Swin-UNet과 MTFC 전략을 결합한 하이브리드 머신러닝 프레임워크를 개발했어요. 이 프레임워크는 벽면 평면의 난류 흐름장을 예측하고 3D 흐름장을 재구성하는 데 사용돼요. CTA-Swin-UNet은 LSTM, FNO, 기존 Swin-UNet 모델보다 예측 성능이 뛰어나고, 300단계까지 장기 예측이 가능해요.
CTA-Swin-UNet은 기존 모델보다 안정적으로 150단계까지 예측할 수 있으며, MTFC 전략을 통해 예측 범위를 300단계까지 확장할 수 있어요. 이는 기존 모델이 20~50단계 내에 실패하는 것과 비교됩니다.
연구 결과, 제안된 프레임워크는 3D 벽면 난류의 장기 자가 회귀 예측에 효과적이고 계산 효율적인 접근 방식임을 입증했어요. 예측된 평면 입력으로부터 3D 흐름 구조와 에너지 스펙트럼 분포를 복원하는 데 사용됐어요.