【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种溃坝预测及其模型训练方法、装置、电子设备及可读存储介质。
技术介绍
1、溃坝，即坝体溃决，为一种灾害性的水流现象，为了降低坝体溃决的危害，相关技术通常利用pinns(physics-informed neural networks，物理信息神经网络)对描述溃坝问题的数学模型进行分析，通过同时学习训练数据样本的分布规律以及数学模型描述的物理定律来实现对溃坝的预测。
2、但是，利用pinn预测的溃坝结果准确率不高，且由于pinn的训练过程容易不收敛，导致溃坝预测效率不高。
3、鉴于此，提高溃坝预测的精准度和效率，是所属领域技术人员需要解决的技术问题。
技术实现思路
1、本申请提供了一种溃坝预测及其模型训练方法、装置、电子设备及可读存储介质，能够有效提高溃坝预测的精准度和效率。
2、为解决上述技术问题，本申请提供以下技术方案：
3、本申请一方面提供了一种溃坝预测模型训练方法，包括：
4、将坝岸数据训练样...
【技术保护点】
1.一种溃坝预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的溃坝预测模型训练方法，其特征在于，所述将坝岸数据训练样本集对应的时空域离散为二维网格，并通过分析所述二维网格生成训练数据点集，包括：
3.根据权利要求1所述的溃坝预测模型训练方法，其特征在于，所述基于将描述坝溃坝现象的物理信息模型作为置信度，从所述坝岸数据采样点中选择满足预设置信度条件的目标采样点作为伪标签训练数据点，包括：
4.根据权利要求1所述的溃坝预测模型训练方法，其特征在于，利用所述训练数据点和所述伪标签训练数据点，通过所述溃坝预测损失函数对所述溃坝预...
【技术特征摘要】
1.一种溃坝预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的溃坝预测模型训练方法，其特征在于，所述将坝岸数据训练样本集对应的时空域离散为二维网格，并通过分析所述二维网格生成训练数据点集，包括：
3.根据权利要求1所述的溃坝预测模型训练方法，其特征在于，所述基于将描述坝溃坝现象的物理信息模型作为置信度，从所述坝岸数据采样点中选择满足预设置信度条件的目标采样点作为伪标签训练数据点，包括：
4.根据权利要求1所述的溃坝预测模型训练方法，其特征在于，利用所述训练数据点和所述伪标签训练数据点，通过所述溃坝预测损失函数对所述溃坝预测模型进行训练，包括：
5.根据权利要求1至4任意一项所述的溃坝预测模型训练方法，其特征在于，所述分别基于所述坝岸数据采样点、所述水流速边界点、所述初始水深点和所述伪标签训练数据点，确定所述溃坝预测模型的溃坝预测损失函数，包括：
【专利技术属性】
技术研发人员：陈新海，刘杰，颜君峻，龚春叶，杨博，王庆林，张庆阳，李胜国，甘新标，陈旭光，肖调杰，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。