一种新型分数阶物理信息卷积循环神经网络求解器

本申请涉及分数阶偏微分方程(组)的数值计算领域，公开了一种新型分数阶物理信息卷积循环神经网络求解器，包括：步骤一：确定计算区域满足的分数阶偏微分方程（组）以及初始条件，步骤二：根据自定义的编码‑卷积LSTM‑解码层结构构建神经网络，神经网络输入为初始条件，输出为分数阶偏微分方程(组)的预测解。步骤三：计算控制方程损失，得到损失函数；步骤四：使用优化算法获得最优损失函数权重和参数，得到所求的分数阶偏微分方程(组)求解模型，对分数阶偏微分方程(组)进行求解。提出的基于物理信息卷积循环神经网络的分数阶偏微分方程(组)求解方法，与分数阶物理信息神经网络（fPINNs）相比在外推性以及可拓展性有显著优势，解决了实际应用中fPINNs网络的参数量较大，外推性和泛化能力较差的问题。