基于神经网络的微通道气液两相流流型预测系统及方法

本发明公开了一种基于神经网络的微通道气液两相流流型预测系统及方法，涉及计算流体力学和人工智能技术领域，所述系统包括：数据获取模块，在不同入口流速条件下获取微通道内气液两相流的仿真数据，在每次迭代过程中输出采样点的场值信息；数据预处理模块，负责对获得的仿真数据进行清洗和平滑处理；PINN模块，利用物理信息神经网络PINN来学习仿真数据中的局部物理现象，确保预测结果符合已知的物理规律；ConvLSTM模块，利用卷积长短期记忆网络ConvLSTM捕捉仿真数据中的长时间跨度和大范围空间的变化；信息融合模块，将PINN模块和ConvLSTM模块的输出结果进行整合，形成预测结果；其中，PINN模块和ConvLSTM模块组成深度学习网络。