一种基于认知物理信息神经网络的高维流场预测方法

本发明公开了一种基于认知物理信息神经网络的高维流场预测方法，包括如下步骤：采集高维物理场数据并进行预处理，得到训练数据集和测试数据集；构建可分离的物理信息神经网络模型；输入带物理场训练数据集和其对应的偏微分方程，利用认知学习进行训练，得到训练完成的神经网络模型；通过训练完成的神经网络模型，计算测试数据集中不同时空坐标下的物理量，输出预测结果。本发明采用可分离子网络对独立的一维坐标进行编码，有效降低了物理信息神经网络对计算资源的限制及流场预测的复杂度；通过PDE残差的梯度大小来动态评估预测样本的难度，并通过认知训练调度器来自适应地优化模型，有效增强物理边界区域流场预测的鲁棒性和泛化能力。