基于深度学习的复合固体推进剂时温等效预测方法及系统

本发明请求保护一种基于深度学习的复合固体推进剂时温等效预测方法，其包括以下步骤：数据收集，数据预处理，构建混合深度学习网络模型，模型训练以及预测，其中所述模型结合了卷积神经网络(CNN)和长短期记忆网络(LSTM)的优势，用于学习和预测复合固体推进剂在不同温度和时间条件下的性能变化。