一种基于高阶统计聚合的图神经网络船舶流场预报方法

本申请公开了一种基于高阶统计聚合的图神经网络船舶流场预报方法，涉及计算流体力学和深度学习学科交叉领域，该方法在获取初始的多个连续时刻的流场数据后，利用图自注意力神经网络编码器、多层LSTM解码器和MLP解码器搭建并训练得到的流场预报模型可以预报下一个时刻的流场数据从而实现自回归式流场预报，本申请使用的流场预报模型在利用图自注意力神经网络编码器更新节点特征时，不仅引入N‑S方程残差项，还构建高阶统计函数以聚合邻居节点特征，从而能够更加准确地捕捉船舶复杂绕流场中节点邻域的分布特征，且确保流场预测中满足物理规律，该方法对船舶复杂绕流场有较高的预报精度和泛化性能，且预报结果具有较高的物理一致性。