一种基于物理算子引导的图注意力网络的流场压力梯度预测方法

本发明公开了一种基于物理算子引导的图注意力网络的流场压力梯度预测方法，旨在快速准确地预测流场的梯度分布。该方法将计算流体力学(CFD)的网格计算域表示为图结构，采用图神经网络对网格节点及邻接关系进行特征学习，并在模型训练过程中引入物理算子(如流体控制方程差分算子)对网络进行引导约束。通过上述技术方案，本发明方法能够在保证预测精度和物理一致性的前提下，大幅提高流场梯度预测的效率，具有模型计算速度快、对复杂边界条件适应性强以及预测结果满足流体力学守恒规律等优点，可用于航空航天流体仿真、风工程等领域的流场梯度快速预测。