基于稀疏传感数据与物理知识融合的流场重构方法及系统

本发明将深度学习算法用于流体力学领域，公开一种基于稀疏传感数据与物理知识融合的流场重构方法及系统，实现少量传感数据点情况下的全域精细化流场重构。方法包括：针对不同场景且不同雷诺数情况下的流场得到预训练模型；基于目标应用场景对预训练模型进行下游任务微调，在微调过程中，将纳维－斯托克斯方程和流场所对应的雷诺数，通过数值微分以近似对应的偏导项的方式嵌入物理损失函数中，然后再将物理失函数与预训练损失函数分别乘以相应的权重以得到流场重构模型的总损失函数；最后将目标应用场景中稀疏部署的各传感器所采集的实时数据，结合传感器的位置并输入流场重构模型中，得到重构出的全域精细化流场。