27.01.2015 Aufrufe

Markowanalysen stochastisch fluktuierender Zeitserien - Turbulenz ...

Markowanalysen stochastisch fluktuierender Zeitserien - Turbulenz ...

Markowanalysen stochastisch fluktuierender Zeitserien - Turbulenz ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

88 KAPITEL 6. MARKOWANALYSE EXPERIMENTELLER DATEN<br />

ergeben sich allerdings auch hier in den numerischen Werten: Für den hier untersuchten<br />

Datensatz mit λ/L ≈ 0, 1 erhält man aus der Theorie gemäss Gleichung<br />

(6.45) für δ 0 einen Wert von δ 0 ≈ 0, 003, der experimentell gefundene Wert dagegen<br />

liegt bei δ 0 = 0, 014 (siehe Gleichung (6.19)).<br />

Abschliessend sei noch bemerkt, dass die Theorie Yakhots, obwohl sie nur für den<br />

Spezialfall unendlich hoher Reynoldszahlen gilt, in der Darstellung (6.45) über das<br />

Verhältnis λ/L eine Reynoldszahlabhängigkeit des linearen Terms δ enthält. Dem<br />

Kaskadenmodell der <strong>Turbulenz</strong> zufolge sollte das Verhältnis λ/L mit Re −1/2 skalieren<br />

[85, 108]. Gibt man die Skala r in Einheiten der Taylorlänge λ an, müsste man<br />

demnach also erwarten können, dass der Faktor δ 0 mit der Wurzel der Reynoldszahl<br />

abnimmt. Wiederum im Vorgriff auf Kapitel 7 sein erwähnt, dass experimentell<br />

tatsächlich eine Abnahme von δ 0 mit der Reynoldszahl beobachtet wird, allerdings<br />

lässt sich der beobachtete Abfall besser mit einem Skalenexponenten von −3/8 beschreiben:<br />

δ 0 ∝ Re −3/8 .<br />

Auch zu dem in Kapitel 3.6 diskutierten thermodynamischen Ansatz kann eine<br />

Verbindung gefunden werden. Die Anwendung dieses verallgemeinerten thermodynamischen<br />

Ansatzes von Tsallis auf die <strong>Turbulenz</strong> führt zu folgender Vorhersage für<br />

die Wahrscheinlichkeitsdichten des Geschwindigkeitsinkrements:<br />

p(u, r) =<br />

m 1<br />

. (6.46)<br />

(1 + m 2 u 2 k(r)<br />

)<br />

Die beiden (skalenabhängigen) Koeffizienten m 1 und m 2 sind durch die Normierungsbedingung<br />

für p(u, r) und die Standardabweichung des Geschwindigkeitsinkrements<br />

u(r) gegeben, der Skalenexponent k(r) berechnet sich zu:<br />

k(r) = 1 + log 2<br />

r<br />

η . (6.47)<br />

Eine Erweiterung dieses Konzeptes auf asymmetrische Verteilungen wurde zwar<br />

ebenfalls vorgeschlagen [12], der Einfachheit halber beschränkt sich die folgende<br />

Diskussion aber auf den Fall symmetrischer Verteilungen. Um einen wenigstens<br />

qualitativen Vergleich mit dem Experiment durchführen zu können, soll hier die<br />

symmetrisierte Dichte p ± betrachtet werden:<br />

p ± (u, r) = 1 (p(u, r) + p(−u, r)) . (6.48)<br />

2<br />

In Abbildung 6.23 ist diese symmetrisierte Dichte auf die Skala r = 2, 25l mar dargestellt.<br />

Der ebenfalls mit eingezeichnete Fit belegt, dass sich die Daten tatsächlich in<br />

guter Näherung durch eine Verteilung der Form (6.46) beschreiben lassen. Für den<br />

Skalenexponenten k liefert der Fit einen Wert von:<br />

k F it (r = 2, 25l mar ) = 7, 5. (6.49)<br />

Dieser Wert stimmt recht gut mit dem nach Gleichung (6.47) berechneten Wert<br />

überein:<br />

k T sallis (r = 2, 25l mar ) = 1 + log 2<br />

2, 25l mar<br />

η<br />

≈ 1 + log 2<br />

2λ<br />

= 6, 7. (6.50)<br />

0, 038λ

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!