一种基于物理的从稀缺和噪声数据中发现控制方程的方法

本发明公开了一种基于物理的从稀缺和噪声数据中发现控制方程的方法。该发明结合了物理信息神经网络与稀疏回归方法，从稀缺和有噪声的数据中发现动力学系统的偏微分控制方程。首先通过量纲验证方法有效地减小候选函数库的大小。随后利用深度神经网络强大的非线性拟合能力和自动微分特性来建模物理系统和计算候选函数。最后，通过稀疏回归即可得到控制方程的形式和方程的系数，并通过DNN对系数进行微调。该方法不仅能够从数据中发现控制方程，还能够得到网络模型以实现动力学系统的响应预测。该方法实现简单，高效，精度高，通用性强。可以广泛应用于复杂动力学系统的物理知识挖掘以及建模与推理。