基于GAN网络的数字孪生模型自优化方法及系统

本发明公开了一种基于GAN网络的数字孪生模型自优化方法及系统，将采集的物理实体实时运行数据输入至数字孪生模型进行实时仿真预测分析获取仿真结果；同时将采集的物理实体实时运行数据输入所述GAN网络模型，所述生成器网络根据输入的物理实体实时运行数据预测物理实体的运行状态并生成预测结果；将所述仿真结果和所述预测结果输入至判别器网络，所述判别器网络基于所述仿真结果与所述预测结果之间的偏差，对抗生成所述数字孪生模型中物理属性模型的修正参数以实现数字孪生模型的自优化。本发明可实现数字孪生模型的实时更新和实时进化，GAN网络能够生成高质量数据，并具有更高的训练效率和模型性能。