一种基于数据池的非定常流场神经网络预测方法

本发明公开了一种基于数据池的非定常流场神经网络预测方法，具体步骤如下：基于数据池的数据存取模块进行初始化，所述模块包括训练数据池、时间记忆单元和重置记录单元，对训练数据集进行预处理，取出流场数据；初始化基于注意力机制的卷积神经网络模型并训练模型，输出下一时间步的流场数据，神经网络进行反向传播；将神经网络的输出返回模块放回数据池，模块按重置记录单元从数据池或训练数据集取出数据进行下轮训练；采用训练好的模型进行自回归式流场预测。本发明实现了相比于传统的基于神经网络求解非定常算法消灭了噪声超参数，降低了累计误差，加速了工业设计迭代速度。