一种虚实数据融合的时空图神经网络螺旋桨流场预测方法

本申请公开了一种虚实数据融合的时空图神经网络螺旋桨流场预测方法，涉及计算流体力学和深度学习学科交叉领域，该方法采用数值仿真得到的网格节点特征集合构造主图结构数据，基于K‑近邻策略建立流场散点特征集合与主图结构数据之间的局部增强子图结构，得到虚实数据融合的统一图结构数据，再利用统一图结构数据训练E(n)等变图神经网络模型和Transformer模型构成的网络结构，统一图结构数据兼顾数值仿真数据的全局覆盖与物理试验测量数据的局部增强，提高了训练样本的可信度，再结合网络结构可以有效捕捉船舶螺旋桨复杂尾流场的空间拓扑与时序演化特征的优点，提高了船舶螺旋桨复杂尾流场的预测精度。