一种基于多分支神经网络的多物理流动预测方法

本发明公开了一种基于多分支神经网络的多物理流动预测方法，包括：构建格子玻尔兹曼模型；通过格子玻尔兹曼模型模拟复杂流体流动，并采集多物理流体流动数据；构建不同的分支网络模型分别处理不同的物理场信息，并分别提取对应的特征进行训练学习；结合训练学习完成的多个分支网络模型构建多分支网络模型；多分支网络模型中，多个分支网络模型之间设有信息流动路径，用于进行特征耦合，将属于不同分支网络模型的特征得到交叉学习和共享；通过采集得到的多物理流体流动数据对多分支网络模型进行训练；通过训练完成的多分支网络模型进行多物理流动预测。本发明可克服传统计算方法对于多物理系统动态建模难，迭代时间久，计算效率低的问题。