一种结合数据驱动和物理约束的冷凝器性能预测方法

本发明公开一种结合数据驱动和物理约束的冷凝器性能预测方法，包括如下步骤：步骤一：获取冷凝器在不同工况下的数据，并对数据进行预处理；步骤二：构建自适应动态调整的深度算子网络模型；步骤三：构建物理约束模型，使步骤二中构建的深度算子网络模型在训练时符合热力学定律和流体力学方程；步骤四：利用预处理后的数据，对所述物理约束模型和自适应动态调整的深度算子网络模型进行融合训练，得到最终的拟合模型；步骤五：利用所述拟合模型预测冷凝器性能指标。本发明对传统的深度算子网络加以改进，同时设计一种基于动态权重调整的融合训练方法，平衡融合模型带来的训练难以控制的问题，从而有效提高了模型的预测精度、泛化能力和计算效率。