摘要
本发明提供的一种涡旋三维多向重构与动态追踪方法,针对传统的涡旋重构方法在三维采样、伪匹配抑制等方面的缺陷,本发明通过对三维方向均进行了有效的涡轴匹配,兼顾三维采样效果,对各向同性的涡旋有着更好的重构效果;同时通过Liutex的矢量方向的约束特性,设置匹配时的物理约束条件,有效降低伪涡轴点匹配现象;利用图神经网络和强化学习,优化涡旋轴线匹配,提高三维重构精度,通过全局拓扑约束抑制伪匹配;通过对绝对旋转强度占优的涡轴点进行提取,实现直观观测到单一涡旋在流场中随时间演化时结构上的变化;利用长短时记忆网络和扩散模型,进行跨时空涡旋追踪的动态建模,增强单个涡旋的追踪连续性和精度。
技术关键词
动态追踪方法
长短期记忆网络
强化学习模型
节点
序列
索引
重构
训练样本集
邻域
极值
网格
标签
强度
定义
噪声
线性变换矩阵
标记
代表
基准
连续性
系统为您推荐了相关专利信息
识别模型训练方法
教师
学生
长短期记忆网络
文本
电力系统智能化
检测点
电力系统服务设备
运维方法
人工智能模型
蛋白质相互作用预测方法
蛋白质三维结构
sigmoid函数
序列
结构特征提取
高寒地区建筑
深度强化学习模型
建筑群
指数
单体