一种基于跨保真度神经网络的非定常流场快速预测方法

本发明提出了一种基于跨保真度神经网络的非定常流场快速预测方法。属于流体力学（CFD）与深度学习交叉技术领域。所述方法包括：确定需要模拟的流体区域，进行网格划分，并设置初始的流体边界条件；基于上述网格划分和边界条件，分别执行低保真度和高保真度的CFD计算；结合卷积神经网络自编码器与长短期记忆网络对流场数据进行降维和特征提取；构建跨保真度神经网络；对预测结果进行误差判断，检查是否满足精度要求；将上述步骤整合为完整的端到端流场预测框架；输出高保真度的流场预测结果。通过结合卷积神经网络自编码器和长短期记忆网络，能够高效地提取流场的空间和时间特征。