基于自监督学习和神经算子的流场预测方法

本发明具体涉及一种基于自监督学习和神经算子的流场预测方法，通过采用“预训练‑微调”两阶段策略，结合自监督学习中的掩码图像建模方法和傅里叶神经算子架构，实现了高效的流场特征提取与预测。在预训练阶段，通过编码网络提取流场数据的特征，并基于掩码图像建模的自监督学习增强模型的泛化能力；在微调阶段，设计并使用双输入FNO神经算子对流场演进进行快速且高精度的预测。该方法不仅保留了FNO模型易于训练的优点，还通过强化特征提取网络，提高了模型的稳定性和适用性，显著提升了流场预测的准确性与效率。