基于频率机理和数据混合驱动的周期性流场重建方法

本发明公开了一种基于频率机理和数据混合驱动的周期性流场重建方法，包括：获取多个流场快照数据，每个流场快照数据包括多个网格点的测量数据；将多个流场快照数据处理成时间序列数据，对时间序列数据进行快速傅里叶变换得到频谱矩阵；获取网格点数据，将网格点数据和频谱矩阵输入预训练的非定常周期流场重建混合深度学习模型中，非定常周期流场重建混合深度学习模型输出重建流场。本发明的方法提取频率特征作为物理先验重构物理场，同时引入残差学习机制，构建自适应的鲁棒映射，融合优化方法和重建方法的长处，弥补了直接重建方法因为线性假设造成的天然偏差，也能通过引入物理先验信息的约束，提高回归重建方法的精度和鲁棒性。