System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种科学模拟参数与可视化结果的预测方法及相关装置制造方法及图纸_技高网

一种科学模拟参数与可视化结果的预测方法及相关装置制造方法及图纸

技术编号:41291388 阅读:2 留言:0更新日期:2024-05-13 14:42
本发明专利技术提供了一种科学模拟参数与可视化结果的预测方法及相关装置,涉及集合模拟技术领域,由全部模拟参数和可视化参数及其对应的可视化图像构成数据集;构建深度学习神经网络模型,利用所述训练集和测试集对深度学习神经网络模型进行训练和测试,得到训练完成的图像预测模型;将预设的模拟参数和可视化参数输入所述图像预测模型,由所述图像预测模型输出预测的可视化图像,并将所述预测的可视化图像变换为目标图像;将所述目标图像输入图像预测模型中,采用基于梯度的参数回推法计算得到所述目标图像对应的模拟参数和可视化参数,本发明专利技术用于解决现有技术中对新参数进行模拟和分析需要消耗巨大计算资源的技术问题。

【技术实现步骤摘要】

本专利技术涉及集合模拟,具体而言,涉及一种科学模拟参数与可视化结果的预测方法及相关装置


技术介绍

1、随着现代超级计算机的计算能力持续增长,集合模拟通常在高时空分辨率下进行大量参数设置的模拟。对于模拟参数与模拟结果之间的关联,研究人员需要对模拟产生的海量时序多维的模拟数据进行分析,以探究不同参数下模拟过程中关键特征结构的变化。现有模拟参数空间探索方法主要通过可视化一组模拟参数和输出,通过可视化的方式来探究参数与输出之间关系。但这些通过专家经验来理解参数的方法难以展现出有效的泛化能力。而再推断新参数下的模拟输出的能力有限,因此需要对新参数进行模拟和分析,从而消耗巨大计算资源。


技术实现思路

1、本专利技术的目的在于提供一种科学模拟参数与可视化结果的预测方法及相关装置,以改善上述问题。为了实现上述目的,本专利技术采取的技术方案如下:

2、第一方面,本申请提供了一种科学模拟参数与可视化结果的预测方法,包括:

3、采集模拟参数和可视化参数,对所述模拟参数进行数值模拟生成模拟数据;

4、将所述模拟数据和可视化参数输入模拟软件中生成对应的可视化图像,由全部模拟参数和可视化参数及其对应的可视化图像构成数据集;

5、构建深度学习神经网络模型,将所述数据集划分为训练集和测试集,并利用所述训练集和测试集对深度学习神经网络模型进行训练和测试,得到训练完成的图像预测模型;

6、将预设的模拟参数和可视化参数输入所述图像预测模型,由所述图像预测模型输出预测的可视化图像,并将所述预测的可视化图像变换为目标图像;

7、将所述目标图像输入图像预测模型中,采用基于梯度的参数回推法计算得到所述目标图像对应的模拟参数和可视化参数。

8、第二方面,本申请还提供了一种科学模拟参数与可视化结果的预测装置,包括:

9、数据采集模块:采集模拟参数和可视化参数,对所述模拟参数进行数值模拟生成模拟数据;

10、数值模拟模块:将所述模拟数据和可视化参数输入模拟软件中生成对应的可视化图像,由全部模拟参数和可视化参数及其对应的可视化图像构成数据集;

11、模型训练模块:构建深度学习神经网络模型,将所述数据集划分为训练集和测试集,并利用所述训练集和测试集对深度学习神经网络模型进行训练和测试,得到训练完成的图像预测模型;

12、图像变换模块:将预设的模拟参数和可视化参数输入所述图像预测模型,由所述图像预测模型输出预测的可视化图像,并将所述预测的可视化图像变换为目标图像;

13、参数回推模块:将所述目标图像输入图像预测模型中,采用基于梯度的参数回推法计算得到所述目标图像对应的模拟参数和可视化参数。

14、第三方面,本申请还提供了一种科学模拟参数与可视化结果的预测设备,包括:

15、存储器,用于存储计算机程序;

16、处理器,用于执行所述计算机程序时实现所述科学模拟参数与可视化结果的预测方法的步骤。

17、第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于科学模拟参数与可视化结果的预测方法的步骤。

18、本专利技术的有益效果为:

19、本专利技术在图像预测模型中引入参数回推功能,能够快速准确地从大量的模拟数据中提取信息,并根据这些信息调整模型参数,使得参数的探索和调整过程更加高效、直接,可以大大减少科学模拟中的参数探索时间。本专利技术将计算密集型的任务交由高性能计算资源处理,有效解耦了模拟计算与用户交互环节,从而确保了交互的实时性和灵活性。图像预测模型的实现,不仅提升了参数空间探索的效率,还增强了模拟结果与参数之间关系的透明度。

20、本专利技术的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

本文档来自技高网...

【技术保护点】

1.一种科学模拟参数与可视化结果的预测方法,其特征在于,包括:

2.根据权利要求1所述的科学模拟参数与可视化结果的预测方法,其特征在于,将所述预测的可视化图像变换为目标图像,包括:

3.根据权利要求1所述的科学模拟参数与可视化结果的预测方法,其特征在于,将所述目标图像输入图像预测模型中,采用基于梯度的参数回推法计算得到所述目标图像对应的模拟参数和可视化参数,包括:

4.根据权利要求3所述的科学模拟参数与可视化结果的预测方法,其特征在于,利用所述目标隐向量在参数空间中搜寻目标参数序列,得到目标图像对应的模拟参数和可视化参数,包括:

5.一种科学模拟参数与可视化结果的预测装置,其特征在于,包括:

6.根据权利要求5所述的科学模拟参数与可视化结果的预测装置,其特征在于,所述图像变换模块包括:

7.根据权利要求5所述的科学模拟参数与可视化结果的预测装置,其特征在于,所述参数回推模块包括:

8.根据权利要求7所述的科学模拟参数与可视化结果的预测装置,其特征在于,所述搜寻单元包括:

9.一种科学模拟参数与可视化结果的预测设备,其特征在于,包括:

10.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述科学模拟参数与可视化结果的预测方法的步骤。

...

【技术特征摘要】

1.一种科学模拟参数与可视化结果的预测方法,其特征在于,包括:

2.根据权利要求1所述的科学模拟参数与可视化结果的预测方法,其特征在于,将所述预测的可视化图像变换为目标图像,包括:

3.根据权利要求1所述的科学模拟参数与可视化结果的预测方法,其特征在于,将所述目标图像输入图像预测模型中,采用基于梯度的参数回推法计算得到所述目标图像对应的模拟参数和可视化参数,包括:

4.根据权利要求3所述的科学模拟参数与可视化结果的预测方法,其特征在于,利用所述目标隐向量在参数空间中搜寻目标参数序列,得到目标图像对应的模拟参数和可视化参数,包括:

5.一种科学模拟参数与可视化结...

【专利技术属性】
技术研发人员:李观单桂华王杨
申请(专利权)人:中国科学院计算机网络信息中心
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1