AUSM类通量计算格式的神经网络端到端加速方法

本发明公开了一种AUSM类通量计算格式的神经网络端到端加速方法，涉及流体力学计算领域，包括：S1、基于前馈神经网络实现端到端的输入输出映射，以建立神经网络代理模型；S2、采用S1的神经网络代理模型替换流体力学计算过程中的AUSM类通量计算格式；其中，所述神经网络代理模型的输入数据为：亚声速、跨声速、超声速、高超声速任一种风洞试验工况下无量纲化后的物理量；在神经网络代理模型的建立过程中，通过对计算密集区域进行局部加密的方式对Sobol序列采样方法进行优化。本发明提供一种AUSM类通量计算格式的神经网络端到端加速方法，通过引入神经网络代理模型，使得需要6个步骤进行计算的通量可以通过输入条件一步直接得到结果，显著减少计算量。