公开(公告)号：CN116127844B

公开(公告)日：2023-10-31

申请号：CN202310082660.8

申请日：2023-02-08

Applicant: 大连海事大学

Inventor： 战庆亮 ,  李福全 ,  吴佳旭 ,  鄂展韬 ,  包东明 ,  晁阳 ,  刘鑫 ,  白春锦

IPC: G06F30/27 ,  G06F17/11 ,  G06N3/04 ,  G06N3/08 ,  G06F111/10 ,  G06F113/08 ,  G06F111/04

Abstract: 本发明提供一种考虑流动控制方程约束的流场时程深度学习预测方法，包括以下步骤：采集并测量流场不同位置处于流动的时程信号，生成样本集；生成的所述样本集建立用于流场时程信号的深度学习模型；根据样本集训练所述深度学习模型，获取训练数据集下的模型结果；根据获取的所述模型结果，判断获取的所述深度学习模型的精度，并随机预测多个测点处的流场信号；重新对时程信号数据集进行训练，获取修正后的模型；根据获取的修正后的模型，生成流场时程信号。本发明解决了传感器时程数据较少情况下模型精度不足的问题，使得模型的结果符合物理规律；同时，基于流场时程数据作为模型训练数据集，相比于其他研究的瞬时流场切片数据更有实际意义，可将稀疏的传感器采集的流场数据输入模型进行训练与预测。

公开(公告)号：CN116127844A

公开(公告)日：2023-05-16

申请号：CN202310082660.8

申请日：2023-02-08

Applicant: 大连海事大学

Inventor： 战庆亮 ,  李福全 ,  吴佳旭 ,  鄂展韬 ,  包东明 ,  晁阳 ,  刘鑫 ,  白春锦

IPC: G06F30/27 ,  G06F17/11 ,  G06N3/04 ,  G06N3/08 ,  G06F111/10 ,  G06F113/08 ,  G06F111/04

Abstract: 本发明提供一种考虑流动控制方程约束的流场时程深度学习预测方法，包括以下步骤：采集并测量流场不同位置处于流动的时程信号，生成样本集；生成的所述样本集建立用于流场时程信号的深度学习模型；根据样本集训练所述深度学习模型，获取训练数据集下的模型结果；根据获取的所述模型结果，判断获取的所述深度学习模型的精度，并随机预测多个测点处的流场信号；重新对时程信号数据集进行训练，获取修正后的模型；根据获取的修正后的模型，生成流场时程信号。本发明解决了传感器时程数据较少情况下模型精度不足的问题，使得模型的结果符合物理规律；同时，基于流场时程数据作为模型训练数据集，相比于其他研究的瞬时流场切片数据更有实际意义，可将稀疏的传感器采集的流场数据输入模型进行训练与预测。