一种基于嵌入物理信息神经网络的不确定性量化方法

本发明公开一种基于嵌入物理信息神经网络的不确定性量化方法，解决数据不确定性无法消除且模型不确定性方法难以选择和推广的问题。本发明的方案为：随机选取含有数据噪声的输入‑输出样本，建立并训练数据驱动的神经网络模型，结合输入‑输出变量满足的物理方程，建立并训练嵌入物理信息的神经网络模型；基于数据驱动的神经网络模型和嵌入物理信息的神经网络模型，对相同的样本预测，比较两种神经网络模型的预测结果；基于嵌入物理信息的神经网络模型，分别利用贝叶斯方法、深度集成方法和MC Dropout方法对其进行改进；基于改进后的嵌入物理信息的神经网络模型，对相同的数据进行预测，比较预测结果的方差和偏差，对模型不确定量化方法的选择提供指导。