基于神经网络的流管近似生成方法、装置、介质及设备

本发明公开了基于神经网络的流管近似生成方法、装置、介质及设备。该方法首先按照连续系统的运行时长进行分段，然后构建出各个时段对应的深度神经网络，然后通过连续系统的仿真，构建出各个时段对应的正例样本集合和反例样本集合，然后以正例样本集合和反例样本集合作为训练样本训练这些时段的深度神经网络，然后基于训练好了的深度神经网络模型参数构建出各个时段对应的混合整型规划约束编码，并将可达问题转换成约束求解问题进行求解，基于求解的结果，确定是否对深度神经网络做进一步训练。相比于传统的多面体近似或泰勒模型近似的方法，该方法基于深度神经网络近似的精度高，并有效避免了长时间下流管的精度随时间增加而下降的问题。