降阶模型 ROM ★

是什么

传统降阶（如 POD-Galerkin）先用全阶求解器跑若干快照，用 POD 提取一组正交基， 再把控制方程投影到这组基上，得到一个只有几十到几百个自由度的低维系统。 求解这个低维系统的成本极低，因此能达到实时或近实时。

关键要点

• 侵入式 vs 非侵入式：侵入式需要改写求解器代码做投影（精度与守恒性好）；非侵入式只拟合输入-输出映射（改动小，物理一致性弱）。
• 线性子空间的局限：对流主导、激波、移动边界等问题的解流形不是低维线性的，纯 POD 效果会退化，需要非线性降阶（自编码器 + 潜空间动力学）。
• 与神经算子的关系：神经算子可视为”学习式降阶”，但它不做显式投影，而是直接从数据学映射。
• 工业落地时通常保留全阶做校核：ROM 做扫参/优化，关键工况仍用全阶复算。

常见误区 / 边界

• ROM 的误差没有先验保证，必须建立”全阶-降阶”误差监控与自适应回退机制。
• 换工况（边界条件、几何）后基函数可能失效，需要在线更新或重新离线。