一种基于机器学习的非定常气动特性预测方法

本发明提供一种基于机器学习的非定常气动特性预测方法，包括：步骤一、基于变量维数和变量的试验水平数确定风洞试验/数值模拟原始数据组数N；步骤二、进行N组风洞试验或数值模拟，得到原始气动数据集；步骤三、将步骤二N组数据进行补点差值，扩展到Q组数据；步骤四、通过多元插值方式，对步骤三中得到的全面试验点进行加密处理；步骤五、基于反向传播神经网络(BPNN)模型，建立机器学习框架；步骤六、基于步骤四加密后得到的气动数据，以设计的损失函数为评价指标对步骤五的BPNN进行网络参数优化，输出训练得到的神经网络；步骤七、获取边界延拓增强后的BPNN网络；步骤八、基于步骤七得到的神经网络，对非原始数据点处的非定常气动特性预测。