基于贝叶斯物理信息极限学习机的物理场求解方法

本发明公开了一种基于贝叶斯物理信息极限学习机的物理场求解方法，包括：构建单层全连接神经网络，随机初始化并固定输入层权重；基于物理系统的偏微分方程及其边界条件，定义包含物理信息的训练损失项；将物理系统求解问题转化为线性最小二乘问题，构建线性方程组；假设输出层权重参数服从均值为零的高斯先验分布，协方差矩阵由可调超参数控制；基于观测数据构建高斯似然函数，结合先验分布计算输出权重的后验分布；采用证据最大化方法对超参数进行迭代优化，得到后验分布的均值和协方差；基于后验分布，采用蒙特卡罗积分方法生成物理系统的预测输出；基于预测输出的方差进行不确定性量化，输出预测值及其置信区间。