一、数据内容描述
1.1 数据概述
论文：Deep Neural Network Modeling for CFD Simulations: Benchmarking the Fourier Neural Operator on the Lid-Driven Cavity Case给出的数据集。 共1800条，每条为每帧的流动数据。
1.2内容描述
作者使用瞬态不可压缩RANS求解器（pisoFoam）求解雷诺数在1000、2000、4000、6000、10,000（测试数据集）、14,000、16,000、18,000和20,000的案例，该求解器是OpenFOAM CFD软件包的一部分。没有使用 Re = 8000 和 12,000 个案例，目的是在训练数据集和测试数据集之间留出合理的差距。
方腔大小为0.1×0.1 m，将空间域划分为128×128网格。为了计算负载，这项研究工作采用了目前的分辨率，这也影响了测试的ML模型。
方腔顶盖速度范围为 0.1 至 2.0 m·s(−1)，建立了预定义的雷诺数。为计算方便起见，运动粘度取为10(−5)m(2)·(−1)，接近空气值。
仿真时间步长是 5 × 10(−4)s，每0.1 s间隔记录一次流量变量。该解决方案从完全静态的流体开始，然后继续模拟长达 20 秒的流动，这足以在所有情况下达到稳定状态，然后再将该解决方案用于模型。
1.3 目录结构描述
文件夹下有01k、02k、04k等文件夹，分别存储这雷诺数在1000、2000、4000的数据。文件结构如下：
├── 01k
│ ├── Data01k0.111.csv
│ ├── Data01k0.112.csv
│ ├── ...
...
├── 20k
│ ├── Data20k0.0.csv
│ ├── Data20k0.100.csv
│ ├── ...
1.4 文件描述
每个csv文件为记录的一帧流动数据，数据大小为（33282，7）。
2.1 共享说明
数据集完全共享。
Cite：
Costa Rocha, P.A.; Johnston, S.J.; Oliveira Santos, V.; Aliabadi, A.A.; Thé, J.V.G.; Gharabaghi, B. Deep Neural Network Modeling for CFD Simulations: Benchmarking the Fourier Neural Operator on the Lid-Driven Cavity Case. Appl. Sci. 2023, 13, 3165. https://doi.org/10.3390/app13053165
2.2使用说明
文中作者选择Re = 1000、2000、4000、6000、14,000、16,000、18,000和20,000的案例进行训练，选择Re = 10,000的案例进行测试，训练和测试数据仅包括模拟的前 10 秒，因为大多数流动动力学都包含在此时间范围内。
三、其他说明
论文地址：
https://www.mdpi.com/2076-3417/13/5/3165
数据集地址：
https://drive.google.com/drive/folders/1v-ORCjsH1v9GAUsTK_lZ3rDPFZYS7Pjp
