基于物理场残差学习的流场仿真方法、系统、介质及设备

本发明公开了一种基于物理场残差学习的流场仿真方法、系统、介质及设备，属于深度学习和物理方程求解交叉领域。该方法包括：首先利用训练数据或其他数据构建物理流场轨迹检索数据库；然后基于物理流场轨迹检索数据库为训练数据中的每条数据对分配一条相似的辅助流场轨迹，基于辅助流场轨迹和原始的训练数据集生成残差训练数据集；接着，基于现有的算子神经网络，在残差训练数据集上训练残差算子神经网络；最后，由训练好的残差算子神经网络预测物理流场轨迹残差，以得到待求解输入函数的数值解。本发明通过物理场残差学习，一方面缓解了原训练数据中的数据偏差，另一方面避免了神经网络的过拟合现象，显著提升了算子神经网络的物理仿真性能。