基于物理知识驱动机器学习算子网络的数值模拟加速方法

本发明公开了一种基于物理知识驱动机器学习算子网络的数值模拟加速方法，其中机器学习算子网络具体采用傅里叶神经算子网络；该方法包括如下步骤：构建渗流参数场的流动等效数学模型；设计基于傅里叶神经算子网络的流动等效模拟加速方法；设计基于物理知识驱动的傅里叶神经算子网络训练策略；采样构建渗透率场数据集，进行傅里叶神经算子网络的训练和测试；在线部署训练完成的傅里叶神经算子网络，辅助进行实时的流动等效计算。本发明可以实现脱离数值模拟器的无标签训练，并且可以通过训练好的模型快速将不同的原始网格渗透率进行等效处理，等效计算结果符合物理约束，具备更高的等效流动模拟求解精度。