一种流场测点位置选择的时程深度学习方法

本发明涉及流场测点位置选择领域，是一种流场测点位置选择的时程深度学习方法，包括：针对实验对象的原始数据，布置流场监测点；开展流场的数值模拟，获得测点处的流场时程数据；构建FTH‑AE深度学习网络模型，利用所述原始数据对深度学习网络模型进行训练；对特征编码进行聚类，得到具有相似时变特征的测点集合；对各区域内的测点样本进行可视化，分析各区域内的样本特征，确定最优测点布置方案。本发明突破了传统经验依赖的局限性，精准定位了流动特征显著的区域，实现了测点的科学布置。