基于MRFO优化LSTM神经网络的复合微结构表面接触角建模方法

本发明公开了一种基于MRFO优化LSTM神经网络的复合微结构表面接触角建模方法，所述方法包括如下步骤：一：建立电火花线切割单脉冲放电热‑流耦合仿真模型与凹坑‑凸起复合微结构表面润湿性能数值计算模型，得出不同放电参数下的凹坑‑凸起复合微结构并计算其接触角度；二：对数据进行收集分析、标准化处理；三：构建LSTM模型；四：采用MRFO对LSTM模型的结构参数进行优化；五：训练LSTM模型；六：评估模型性能；七：验证LSTM模型的性能、预测精度和鲁棒性；八：分析不同电火花放电参数对表面接触角的影响。该方法能够有效地处理序列数据并实现更准确的分类预测，具有高预测精度与鲁棒性的特点。