摘要
本申请公开了一种流场重建模型的训练方法、设备、介质及程序产品。其中,该方法通过根据预先获取的初始流场的宏观无量纲特征参数,对初始流场进行数据增强处理,得到带有标签的样本数据;其中,样本数据为流场边界条件数据,标签为流场数据;将样本数据按照预设比例分为训练数据和测试数据;基于训练数据对预先构建的模型进行训练,以及基于测试数据对训练后模型进行评估,得到流场重建模型。本技术方案,通过基于流场数据进行模型训练,以实现快速准确地对流场进行重建,大幅减少计算时间,降低对计算设备的要求,提高流场重建的效率。
技术关键词
前馈神经网络
生成对抗网络模型
样本
标签
计算机程序产品
异常数据点
线性插值法
可读存储介质
处理器通信
存储器
曲线
压力
误差
入口
电子设备
系统为您推荐了相关专利信息
识别方法
标签训练集
半监督学习
轮廓提取
感兴趣
训练样本集
计算机设备
参数
计算机程序产品
可读存储介质
条件生成对抗网络
风险预测方法
肺部CT图像
解码器
编码器
实体
模型训练方法
知识图谱构建
数据处理方法
矩阵