融合经验算法知识的意外爆炸混凝土侵彻深度预测方法

本发明结合先验知识融合的优势，提出了融合经验算法知识的意外爆炸混凝土侵彻深度预测方法，旨在提升小样本场景下的预测精度与物理合理性。该方法首先通过物理参数、靶标属性及Forrestal公式构建组合参数Z，作为模型的输入特征以表征物理规律。随后设计多目标损失函数，包含数据拟合项、物理约束项及边界约束项，其中物理约束项通过微量扰动输入参数验证预测值的物理一致性，边界约束项确保侵彻深度非负。进一步构建动态权重调整机制，根据训练过程自动平衡物理规律与数据拟合的优化权重。基于反向传播神经网络框架，结合上述约束进行模型训练。本发明在混凝土侵彻任务中显著降低了均方误差，同时扩展了数据驱动模型的物理可解释性。