一种基于图点积注意力神经网络的水下航行体流场预报方法

本申请公开了一种基于图点积注意力神经网络的水下航行体流场预报方法，涉及计算流体力学和深度学习学科交叉领域，该方法利用训练好的流场预报模型进行流场预报，流场预报模型由全连接层网络、图点积注意力网络、长短期记忆网络和全连接层网络依次搭建而成，充分考虑了非定常绕流场预报中的“时间信息‑空间信息‑物理信息”多维度复杂特征的耦合性问题，且图点积注意力网络采用基于Sigmoid的点积图注意力机制，通过计算连接边两端节点的点积相似性来动态调整特征更新的权重分配，提升复杂流场中的空间特征提取和泛化能力，确保流场预报模型在不同空间结构下的适应性和准确性，从而可以提高对水下航行体流场预报的准确度和精度。