一种基于证据物理信息神经网络的热工水力流场预测方法

本发明公开一种基于证据物理信息神经网络的热工水力流场预测方法，具体步骤如下：采集热工水力系统中不同物理量数据集，并对数据进行预处理；构造数据损失；构造物理损失；构造证据不确定性建模机制，根据不同数据和物理约束的可靠性动态分配证据权重；通过整合数据误差、物理残差与证据信度，构建总损失函数；训练完成的神经网络模型与预测输出。本发明通过引入证据学习机制，在网络训练过程中动态估计其不确定性，显著提升模型对噪声敏感程度不一致数据的适应能力；通过将证据不确定性映射为物理量加权系数，构建统一归一化的加权损失函数，有效避免传统物理信息神经网络中对每个物理量人工设定超参数所带来的主观性和鲁棒性问题。