流体特征提取方法、系统、计算机可读存储介质及设备技术方案

本发明专利技术提供一种流体特征提取方法、系统、计算机可读存储介质及设备，所述流体特征提取方法包括：获取数据样本；所述数据样本分为待训练数据样本和待测试数据样本；构建一数据训练模型；调用数据训练模型训练所述待训练数据样本，以生成适用于所述待训练数据样本的匹配数据训练模型；评估所述匹配数据训练模型；当所述匹配数据训练模型符合预设评估标准时，将所述测试数据样本输入至所述匹配数据训练模型，以通过所述匹配数据训练模型预测所述测试数据样本的属性特征。本发明专利技术相较于现有技术能够避免传统数值方法中繁琐冗杂的迭代运算，加快流体涡旋细丝特征提取的速度。

【技术实现步骤摘要】
流体特征提取方法、系统、计算机可读存储介质及设备
本专利技术属于流体模拟领域，涉及一种提取方法和系统，特别是涉及一种流体特征提取方法、系统、计算机可读存储介质及设备。
技术介绍
在流体模拟的领域中，流体的特征提取是广大科学家比较感兴趣的方面，而对涡旋细丝的特征提取也是被人们广泛研究的课题，这里涉及到物理中的涡度方法、图形学中的涡流检测、可视化、涡流模拟、流体引导和控制方法等等。基于涡旋细丝的流体模拟方法相比于基于网格的方法有许多优点，例如可以处理很多网格法无法处理的问题、便于在无界区域中进行模拟、容易实现动量和能量守恒、避免了涡度扩散等。很多计算流体力学(CFD)文献和计算机图形学文献中对此均有介绍，这种方法为真实烟雾的模拟提供了极好的构建方法。涡旋细丝可以提供来自现实世界或模拟的流场的简化表示。在涡旋细丝的特征提取和重构的研究上，前人提出了一种从给定三维流体速度场中提取涡旋细丝层次结构的方法，这些被提取的细丝集合称为分层涡旋框架(HVS)。该方法可以从输入的速度场提取多尺度信息，为数据压缩提供了强大的机制，是一种十分自然的修改方法。同本文档来自技高网...

【技术保护点】
1.一种流体特征提取方法，其特征在于，包括：/n获取数据样本；所述数据样本分为待训练数据样本和待测试数据样本；/n根据所述数据样本，构建一数据训练模型；/n调用所述数据训练模型训练所述待训练数据样本，以生成适用于所述待训练数据样本的匹配数据训练模型；/n评估所述匹配数据训练模型；/n当所述匹配数据训练模型符合预设评估标准时，将所述测试数据样本输入至所述匹配数据训练模型，以通过所述匹配数据训练模型预测所述测试数据样本的属性特征。/n

【技术特征摘要】
1.一种流体特征提取方法，其特征在于，包括：
获取数据样本；所述数据样本分为待训练数据样本和待测试数据样本；
根据所述数据样本，构建一数据训练模型；
调用所述数据训练模型训练所述待训练数据样本，以生成适用于所述待训练数据样本的匹配数据训练模型；
评估所述匹配数据训练模型；
当所述匹配数据训练模型符合预设评估标准时，将所述测试数据样本输入至所述匹配数据训练模型，以通过所述匹配数据训练模型预测所述测试数据样本的属性特征。


2.根据权利要求1所述的流体特征提取方法，其特征在于，
构建的数据训练模块包括：
输入层、设置于所述输入层下层的卷积层、设置于所述卷积层下层的池化层、设置于所述池化层下层的全连接层、设置于所述全连接层下层的丢弃层及设置于所述丢弃层下层的输出层。


3.根据权利要求1所述的特征提取方法，其特征在于，在调用所述数据训练模型训练所述待训练数据样本的过程中，所述流体特征提取方法还包括利用预存优化函数优化所述数据训练模型。


4.根据权利要求1所述的流体特征提取方法，其特征在于，所述预设评估标准包括损耗函数；
评估所述匹配数据训练模型的步骤包括：
计算所述匹配数据训练模型的损失函数；
将所述匹配数据训练模型的损失函数的数值与预设损失阈值进行比对，以确定适用于所述待训练数据样本的匹配数据训练模型；其中，适用于所述待训练数据样本的匹配数据训练模型为损失函数的最小数值对应的数据训练模型。


5.根据权利要求1所述的流体特征提取方法，其特征在于，所述流体特征提取方法还包括：
通过所述匹配数据训练模型预测所述测试数据样本的属性特征输入至预存的分层涡旋框架，以便...

【专利技术属性】
技术研发人员：杨旭波，张锐，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31