一种可压缩气水介质黎曼解无监督神经网络建模方法

本发明涉及一种可压缩气水介质黎曼解无监督神经网络建模方法，属于流体力学模拟技术领域，通过非线性转换函数，保持黎曼问题界面压力解的输出为正值。通过物理约束函数的构造，在预测黎曼解的方式上完全摆脱标签数据，其优点在于：对比标准的监督学习神经网络建模方法，不需要预先求解黎曼问题生成标签数据，通过构造约束函数使神经网络的输出符合黎曼解关系；对比基于理论推导的传统计算方法，不需要复杂的数学推导，也避免构造迭代算法，降低复杂问题求解难度；结合神经网络的强大预测能力和物理原理的精确性，为高速流场中多介质流界面问题的模拟提供了新的思路和技术手段。