一种基于多尺度训练策略的非定常流场预测方法

本申请提供一种基于多尺度训练策略的非定常流场预测方法，涉及计算流体力学技术领域，主要包括获取原始数据集、重构训练数据集、构建神经网络模型、训练神经网络模型以及进行非定常流场预测等步骤。通过将3D U‑Net与残差模块、注意力模块相结合，提升了神经网络模型的特征提取能力和预测精度。通过多尺度渐进式训练策略，增强了模型对非定常流场中细节特征的学习能力，解决了传统预测方法中计算资源消耗大的问题。最终，实现了非定常流场的快速且精准预测，对于实际工程应用中的流场分析、优化和控制具有重要意义。此外，通过减少对计算资源的依赖，本方法不仅降低了工程成本，也提升了实际应用中的响应速度和灵活性。