一种基于物理准则的神经网络训练数据生成方法

本发明公开了一种基于物理准则的神经网络训练数据生成方法，获取高保真流场原始数据，所述数据包括一个或多个时间步长的速度场和压力场数据；对每个时间步长的流场数据进行预处理，包括裁剪数据范围和鲁棒性归一化处理；计算流场的物理特征量；对所述物理特征量分别进行线性归一化处理；将归一化处理后的物理特征量通过等权重算术平均的方式融合，生成采样权重场；根据采样权重场，对空间域内的所有点进行加权随机采样，生成优化的稀疏训练数据集。本发明在神经网络训练开始之前，从高保真流场数据中智能筛选并构建一个信息密度高、轻量化的优化训练集，从而显著提升神经网络的训练效率与预测精度。