一种基于动力学嵌入GAN的参数化非线性系统识别方法

本发明涉及深度学习技术领域，具体涉及一种基于动力学嵌入GAN的参数化非线性系统识别方法。该方法包括：通过采用深度学习的方法，结合动力学生成器和判别器形成一种动态条件生成对抗网络，融合系统物理参数和响应数据，实现参数化系统在变参数下非线性系统动力响应的外推，泛化能力显著增强；同时，本方法在给定初始条件和系统参数的情况下，实现参数化非线性系统动力响应的长时段预测，从响应数据中识别其对系统物理参数的依赖关系，实现对任意非线性动力学系统的识别和预测。