耦合深度学习和数值模拟的河流水动力模拟方法

本发明公开耦合深度学习和数值模拟的河流水动力模拟方法，构建模拟河流水动力的二维水动力数值模型并基于有限体积法求解；在通量求解过程中，对模型中的每个非结构网格单元，按预设步长记录网格交界断面及两侧的物理量数据；基于物理量数据构建并训练深度神经网络模型；对所述二维水动力数值模型进行语言重构，并将训练好的深度神经网络模型封装至二维水动力数值模型的界面通量计算模块；利用耦合深度神经网络模型的二维水动力数值模型模拟研究区域的河流水动力。本发明的方法通过深度学习自动准确捕捉干湿边界、激波间断等复杂流动特征，显著提高计算效率，且耦合模型能够自适应不同地形条件和流动状态，具有良好的泛化能力。