摘要
本发明提供了一种融合物理模型的超临界水瞬态喷放机器学习预测方法及系统,涉及超临界水瞬态喷放预测技术领域。本发明实施例提供的方法,相比于现有基于系统程序扩展的仿真模型开发的预测方法,本发明实施例综合物理模型和数据两方面,通过超临界下实验或仿真数据增强模型训练,消除了物理模型的不确定性以及系统程序适用于次临界下等问题,同时预测速度也有所提升;相比于纯数据驱动的预测方法,本发明实施例在神经网络模型训练的过程中,融合了物理模型,增强了神经网络模型的泛化能力以及物理可解释性。
技术关键词
机器学习预测方法
超临界
方程
物理
超参数
仿真模型开发
循环神经网络模型
神经网络模型训练
理想气体常数
连续性
粒子群算法
仿真数据
预测系统
遗传算法
节点数
体积比
模块
系统为您推荐了相关专利信息
误差状态
线性化系统
扩展卡尔曼滤波器
方程
协同定位算法
精准预测方法
回弹
数字孪生系统
电子背散射衍射
分裂算法
辅助通信系统
数字孪生驱动
深度强化学习算法
通信方法
引导无人机
耦合神经网络
调控方法
忆阻器
神经网络模型
忆阻神经网络