如上所述，侵入式方法将是最优雅的。事实上，OpenFOAM 中模型降阶的实现工作已经在进行中。但在实习期间，这项名为ITHACA-FV的成果仍然缺少一些我们所需的功能。这再次凸显了实施侵入式方法绝非易事。
非侵入式方法更可行。对我们来说，另一个好处是，这些方法的经验 最近的手机号码数据 更加宝贵，因为我们的客户通常没有足够的预算来全力进行模型降阶。至少在它的价值得到证实之前是这样。因此，他们很可能会开始尝试非侵入式方法，并可能向我们寻求支持。
Floris 探索的各种方法之一是带插值的固有正交分解 (PODI)。有一个很好的开源 Python 库可用于此，称为EZyRB。对于数学家来说：基本思想是在一系列参数设置和时间实例中运行原始模型，收集矩阵中的结果向量（“快照”），并对该矩阵进行奇异值分解。这为您提供了结果空间的最重要模式（模式）。现在，这些最重要的模式跨越了缩小的空间。然后，计算给定一组参数的解就是在适当的快照之间进行简单的插值。然后，从缩减的模型空间到完整的模型空间进行简单的反向变换。对于快照之间的插值，您可以使用简单的线性插值，或者使用更复杂的径向基函数。