基于Debye模型与机器学习的频率选择表面S参数快速映射

本发明提出一种基于Debye模型与机器学习的频率选择表面S参数快速映射方法，属于电磁计算与AI交叉领域。针对传统方法忽略介质色散特性和效率低的问题，所提方案包括：1)通过Debye模型将非色散介电常数拓展为色散参数，结合ε∞∈(1,εs)的物理约束与τ的频段适配规则，构建色散材料数据集；2)通过全波仿真生成训练数据；3)采用Res‑MLP模型结合二范数相对损失函数，实现非色散到色散S参数的高精度映射。实测表明，该方法在2‑12GHz频段内预测速度较全波仿真提升3个量级(达毫秒级)，全频段|S11|误差低于1dB(相对误差<5％)，且能有效泛化至未训练的新材料参数组合，为色散基板FSS设计提供了兼具高效性与智能化的解决方案。