在FLUENT中RSM是最精细制作的模型。放弃等方性边界速度假设，RSM使得雷诺平均N-S方程封闭，解决了关于方程中的雷诺压力，还有耗散速率。这意味这在二维流动中加入了四个方程，而在三维流动中加入了七个方程。
由于RSM比单方程和双方程模型更加严格的考虑了流线型弯曲、漩涡、旋转和张力快速变化，它对于复杂流动有更高的精度预测的潜力。但是这种预测仅仅限于与雷诺压力有关的方程。压力张力和耗散速率被认为是使RSM模型预测精度降低的主要因素。
RSM模型并不总是因为比简单模型好而花费更多的计算机资源。但是要考虑雷诺压力的各向异性时，必须用RSM模型。例如飓风流动、燃烧室高速旋转流、管道中二次流。
10．2．11 计算成效：cpu时间和解决方案
从计算的角度看Spalart-Allmaras模型在FLUENT中是最经济的湍流模型，虽然只有一种方程可以解。由于要解而外的方程，标准k-e模型比Spalart-Allmaras模型耗费更多的计算机资源。带旋流修正的k-e模型比标准k-e模型稍微多一点。由于控制方程中额外的功能和非线性，RNGk-e模型比标准k-e模型多消耗10～15%的CPU时间。就像k-e模型，k-ω模型也是两个方程的模型，所以计算时间相同。
比较一下k-e模型和k-ω模型，RSM模型因为考虑了雷诺压力而需要更多的CPU时间。然而高效的程序大大的节约了CPU时间。RSM模型比k-e模型和k-ω模型要多耗费50～60%的CPU时间，还有15～20%的内存。
除了时间，湍流模型的选择也影响FLUENT的计算。比如标准k-e模型是专为轻微的扩散设计的，然而RNG k-e模型是为高张力引起的湍流粘度降低而设计的。这就是RNG模型的缺点。
同样的，RSM模型需要比k-e模型和k-ω模型更多的时间因为它要联合雷诺压力和层流。 10．3
Spalart-Allmaras 模型
在湍流模型中利用Boussinesq逼近，中心问题是怎样计算漩涡粘度。这个模型被Spalart and Allmaras提出，用来解决因湍流动粘滞率而修改的数量方程。 10.3.1 Spalart-Allmarasl模型的偏微方程