基于神经网络的各向异性三角形非结构网格梯度重构方法

本发明公开了基于神经网络的各向异性三角形非结构网格梯度重构方法，包括步骤：生成包含随机扰动、旋转及对称的非结构三角网格构型数据集，分别通过格林高斯和带权最小二乘法计算非结构三角网格构型的中心单元格心的梯度值，获得初始梯度值，从非结构三角网格构型数据集中提取几何特征和格心函数值，并嵌入初始梯度值生成低维特征向量，构建包含注意力机制的深度神经网络，将低维特征向量输入至深度神经网络中，获得重构梯度。该方法通过特征蒸馏、嵌入梯度特征和引入注意力机制，减少了传统方法在低质量网格构型下的梯度计算误差，适用于航空、能源、汽车等领域的流体动力学仿真，同时具有较好的可解释性。