基于神经网络的风力发电机多工况流场的预测方法及装置

本申请涉及风力发电、人工智能和流体力学技术领域，公开一种基于神经网络的风力发电机多工况流场的预测方法及装置，预测方法包括：获取样本数据集，所述样本数据集包括多组多工况数据；将所述样本数据集输入物理信息领域对抗神经网络模型进行训练，得到样本数据在所述领域对抗神经网络模型中向前传播的总损失。根据所述总损失，确定尾流场预测模型是否训练完成；在对所述尾流场预测模型进行新一轮的训练的情况下，将所述总损失进行反向传播，优化神经网络参数。这样，形成双分支损失协同优化机制。将物理信息神经网络与领域对抗神经网络相结合，充分发挥两者的互补优势。当数据有限或分布差异较大时，能够实现高精度、物理一致的尾流场预测。