融合径向基的深度算子学习可压缩流场预测方法

本发明公开了一种融合径向基的深度算子学习可压缩流场预测方法，涉及风洞试验领域，包括：S1、生成搭建神经网络需要的样本数据集，并对样本数据进行归一化处理；S2、基于归一化处理后的样本数据集搭建深度算子神经网络模型；S3、将深度算子神经网络用于可压缩流动下的流场预测。本发明提供一种融合径向基的深度算子学习可压缩流场预测方法，对于可压缩流动下出现的激波、膨胀波等复杂非线性效应具有较强的捕捉能力，因此具有更高的预测精度。