一种基于数据驱动深度学习的高效跨流态气动力热效应预测与数据库构建方法

本发明公开了一种基于数据驱动深度学习的高效跨流态气动力热效应预测与数据库构建方法，涉及气动力热效应预测技术领域，包括以下步骤：通过高精度CFD模拟与实验，采集流场中各区域的气动力与热效应数据；本发明中，通过数据驱动深度学习与动态数据库技术，构建局部气动力热效应代理模型，利用通用局部坐标系和无量纲化处理统一数据尺度，精准捕捉局部流场特征；借助跨流态数据动态数据库实现数据增强，提升模型泛化能力；深度融合多源数据、高效利用历史数据，解决了数据利用不足与泛化能力差等问题，显著减少计算资源消耗，实现高精度、跨流态的气动力热效应预测，为工程应用提供高效鲁棒的解决方案。