一种基于深度学习的电磁仿真多尺度区域分割方法

本发明公开了一种基于深度学习的电磁仿真多尺度区域分割方法，构建并训练深度学习模型，用于识别电磁仿真区域中的关键区域与非关键区域；训练过程采用标注数据集并使用交叉验证方法优化模型性能；对关键区域采用全波求解法进行仿真，得到关键区域的场分布；对非关键区域采用高频近似法进行仿真，仿真出入射波被物体表面反射后产生的电磁场；在关键区域与非关键区域的边界处生成动态边界条件，确保场值的续性与一致性。本发明在大规模电磁仿真场景中，通过深度学习与混合求解策略的结合，实现了计算资源的优化配置，将有限的计算力聚焦于高精度需求区域，显著提升了仿真效率与整体性能。