[发明专利]基于机器学习的流场数据计算方法和装置

权利要求书

1.一种基于机器学习的流场数据计算方法，所述方法包括：

利用NS方程求解器生成模拟对象在第一时间步的第一流场数据和第二时间步的第二流场数据；其中，第一时间步小于第二时间步；

将所述第一流场数据输入预先设置的神经网络，利用所述神经网络的输出值和所述第二流场数据的差值进行反向训练，确定所述神经网络的网络结构参数；

在流场数据计算时，将当前时间步的待计算流场数据输入所述网络结构参数对应的神经网络，得到待计算流场数据的流场修正数据；

将所述流场修正数据输入所述NS方程求解器，得到待计算流场数据对应的待计算时间步的流场数据。

2.根据权利要求1所述的方法，其特征在于，在将所述流场修正数据输入所述NS方程求解器，得到待计算流场数据对应的待计算时间步的流场数据之后，所述方法还包括：

判断待计算流场数据对应的待计算时间步的流场数据的残差是否满足预设的收敛条件；

若是，则将待计算流场数据对应的流场数据作为流场数据计算结果。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

若待计算流场数据对应的待计算时间步的流场数据的残差不满足预设的收敛条件；

判断所述待计算流场数据与待计算流场数据对应的待计算时间步的流场数据的误差是否小于预先设置的所述神经网络的预测误差；

若是，则将当前时间步进行时间迭代，利用迭代得到的待计算流场数据，利用NS方程求解器计算得到流场数据计算结果。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

若所述待计算流场数据与待计算流场数据对应的待计算时间步的流场数据的误差大于预先设置的所述神经网络的预测误差；

则将当前时间步进行时间迭代，将迭代得到的待计算流场数据输入所述神经网络进行修正。

5.一种基于机器学习的流场数据计算装置，其特征在于，所述装置包括：

数据生成模块，用于利用NS方程求解器生成模拟对象在第一时间步的第一流场数据和第二时间步的第二流场数据；其中，第一时间步小于第二时间步；

模型训练模块，用于将所述第一流场数据输入预先设置的神经网络，利用所述神经网络的输出值和所述第二流场数据的差值进行反向训练，确定所述神经网络的网络结构参数；

数据修正模块，用于在流场数据计算时，将当前时间步的待计算流场数据输入所述网络结构参数对应的神经网络，得到待计算流场数据的流场修正数据；

计算模块，将所述流场修正数据输入所述NS方程求解器，得到待计算流场数据对应的待计算时间步的流场数据。

6.根据权利要求5所述的装置，其特征在于，所述计算模块还用于判断待计算流场数据对应的待计算时间步的流场数据的残差是否满足预设的收敛条件；若是，则将待计算流场数据对应的流场数据作为流场数据计算结果。

7.根据权利要求6所述的装置，其特征在于，所述计算模块还用于若待计算流场数据对应的待计算时间步的流场数据的残差不满足预设的收敛条件；判断所述待计算流场数据与待计算流场数据对应的待计算时间步的流场数据的误差是否小于预先设置的所述神经网络的预测误差；若是，则将当前时间步进行时间迭代，利用迭代得到的待计算流场数据，利用NS方程求解器计算得到流场数据计算结果。

8.根据权利要求7所述的装置，其特征在于，所述计算模块还用于若所述待计算流场数据与待计算流场数据对应的待计算时间步的流场数据的误差大于预先设置的所述神经网络的预测误差；则将当前时间步进行时间迭代，将迭代得到的待计算流场数据输入所述神经网络进行修正。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。