基于机器学习的多层频率选择表面电磁响应快速预测方法

本发明公开了基于机器学习的多层频率选择表面电磁响应快速预测方法，旨在解决现有技术中多层频率选择表面(Frequency Selective Surface,FSS)电磁特性预测效率低、建模复杂的问题。该方法包括使用一阶Debye色散模型构建色散介质基底；构建单层FSS结构；取随机层间距离用相同周期尺寸的单层FSS单元堆叠生成多层FSS结构；生成层间耦合数据集；采用Res‑MLP机器学习模型结合二范数相对损失函数进行训练，直接以线性S11幅度值作为输出。本发明融合Debye参数随机化机制与物理约束的色散建模并建立基于物理结构的层间耦合数据集与Res‑MLP特征提取优化实现了对多层FSS电磁响应的高效预测，显著提升预测精度与效率，适用于微波滤波器、天线罩等器件的快速设计与优化。