紊流建模（turbulence modeling）
把奶精攪進咖啡，看那些漩渦碎成更小的漩渦，再碎成更小的，直到細得看不清的一片模糊。這道橫跨巨大尺寸範圍的渦串級就是紊流，凡是快速流動之處皆有它。對模擬而言，麻煩在於殘酷的算術：要解析一片真實機翼上的每一個渦，你需要的網格格數與時間步數之多，使得地球上現在或近期沒有任何電腦能算完。紊流建模就是讓我們仍能模擬紊流的一套妥協。
其想法是不再試圖計算最小的漩渦，而是用一個模型來計入它們的平均效應。在最常見的做法雷諾平均那維-斯托克斯（RANS）中，你把每個量拆成平滑平均值加上一個擾動，對方程取平均，剩下一些額外的未知項（雷諾應力），描述未解析的擾動如何攪動動量。接著你用一個模型來封閉這個系統——例如 k-epsilon 模型加上兩條額外的輸送方程，描述紊流動能與其耗散率，由它們供給缺失的應力。一條中間路線，大渦模擬（LES），直接解析攜帶能量的大渦，只對較小、較具普適性的渦做模型；它比 RANS 昂貴得多，卻更忠實。完全解析（直接數值模擬）則保留給小型學術案例。
紊流模型正是讓實用 CFD 成為可能的東西，從飛機到天氣到燃燒室。誠實的真相是：並不存在一個普遍正確的紊流模型；每個模型都是針對某些實驗校準的，遇到不同的流動時可能出錯，有時錯得很離譜——分離、強曲率與混合是出了名的難。選擇並信任一個模型是一種工程判斷的行為，需逐案確認，而非一條已成定論的物理定律。
一位飛機設計師跑 RANS k-epsilon 模型，在機翼流動保持附著時得到準確的升力與阻力，但接近失速時——當流動從機翼後緣分離——同一個模型可能嚴重誤判升力，這正是為何在那個區域需要改用更昂貴的大渦模擬，或進行風洞確認。
RANS 對附著流動有效，卻可能在分離時失靈——模型選擇是判斷，而非保證。
沒有任何紊流模型是普遍有效的。每個都是針對某些流動調校的，在其校準範圍外可能給出自信滿滿卻錯誤的答案——務必針對手邊的流動對照實驗加以確認。