【技术实现步骤摘要】
本公开涉及数值模拟领域，更具体地讲，涉及一种基于自回归神经网络的流体力学偏微分方程求解装置。
技术介绍
1、偏微分方程(partial differential equations，pdes)是一种数学方程，它表述了多个变量的未知函数及其偏导数之间的关系，对于描述自然界和人类社会中的各种现象具有极其重要的意义。在流体力学领域，pdes是不可或缺的工具，应用于描述流体的运动和变化，在科学研究和技术开发中起到核心作用。在现实世界中，许多物理过程都可以用pdes来建模。例如，在航空航天技术中，飞机周围的气流可以用navier-stokes方程来表征；散热器中的热空气流动或工业过程中涉及加热的液体由热传导方程来捕捉；海洋中的潮汐波、声波在空气中的传播则可以用波动方程来描述。然而，求解pdes的任务充满挑战，尤其是当面对结构复杂或多维空间中的方程时。因此，探索精确且高效的解法不仅在流体力学研究领域内引起了广泛的兴趣，而且对于推动实际应用技术的发展具有至关重要的意义。
2、对绝大多数pdes而言，其解析解往往难以直接找到或表达。因此，采...
【技术保护点】
1.一种基于自回归神经网络的流体力学偏微分方程求解装置，其特征在于，包括预训练策略单元和微调策略单元，所述预训练策略单元由流场原始数据采集与预处理模块、离散标记式流场演化过程表示模块、流场演化状态自回归预测模块以及流场状态信息解码与智能推断模块构成；所述微调策略单元由物理信息评分器构成；
2.如权利要求1所述的一种基于自回归神经网络的流体力学偏微分方程求解装置，其特征在于，所述流场原始数据采集与预处理模块的具体实现方式为：将定义在连续的空间和时间上的偏微分方程的域离散化，将空间离散化后，采用均匀采样的方式在物理域中建立网格并建立计算网格，并指定边界条件和初...
【技术特征摘要】
1.一种基于自回归神经网络的流体力学偏微分方程求解装置，其特征在于，包括预训练策略单元和微调策略单元，所述预训练策略单元由流场原始数据采集与预处理模块、离散标记式流场演化过程表示模块、流场演化状态自回归预测模块以及流场状态信息解码与智能推断模块构成；所述微调策略单元由物理信息评分器构成；
2.如权利要求1所述的一种基于自回归神经网络的流体力学偏微分方程求解装置，其特征在于，所述流场原始数据采集与预处理模块的具体实现方式为：将定义在连续的空间和时间上的偏微分方程的域离散化，将空间离散化后，采用均匀采样的方式在物理域中建立网格并建立计算网格，并指定边界条件和初始条件，进而对某一个偏微分方程描述的所有物理场进行采样，形成固定采样频率和固定采样位置的多物理场时间序列的数据，最后对所述时间序列计算均值和标准差，进行归一化处理。
3.如权利要求2所述的一种基于自回归神经网络的流体力学偏微分方程求解装置，其特征在于，所述离散标记式流场演化过程表示模块的具体实现方式：首先，对于具有多个通道的偏微分方程计算系统，将给定时间步长t处的状态表示为一组标记序列tt，其中pi，t表示第i个通道表示的物理场在t时刻的数值分布，共有c个通道，通道间和通道内关系以及对先前时间步长的依赖性表示为：
4...
【专利技术属性】
技术研发人员：李建欣，周号益，陈天宇，仉尚航，石荣晔，邰振赢，王昊，李颖，
申请(专利权)人：北京航空航天大学，
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。