基于神经算子的特征学习与数据融合气膜冷却预测方法

本发明公开了一种基于神经算子的特征学习与数据融合气膜冷却预测方法，包括：获得用于特征学习的基础数据集合，通过参数化孔分布和吹风比条件，建立不同的几何模型，获得表面温度分布数据；提取表面绝热冷却效率数据作为输出数据，绘制表面几何数据作为输入数据；设置总样本数量，读取输入输出数据划分标签，并划分训练集和测试集；搭建基于FNO的迭代神经算子框架，模拟算子求解过程，学习气膜冷却特征；将测试集的输入集合数据输入训练模型当中，用测试集的输出集合数据对模型进行验证，获得预测模型。本发明解决了通过一个样本的稀疏点阵数据，高效、快速、准确的预测气膜冷却分布情况。