机理-数据的重构颗粒流系统的温度时序预测方法和装置

本发明提供了一种机理‑数据的重构颗粒流系统的温度时序预测方法和装置，方法包括：结合归一化时间、无量纲颗粒温度、局部权重调节方法构建的全新的物理信息神经网络方法（PINN），由控制方程、初始条件、有限观测数据样本点构造理论综合损失函数，以简单均匀冷却颗粒流系统为案例，依据缺失能量连耗散系数、缺失初始颗粒温度及两者均缺失这三类逆问题，逐一确定相应综合损失函数，以具体综合损失函数最小为目标进行求解，迭代更新，依次准确确定三类逆问题中分别缺失值及其中颗粒温度随时间变化的规律。本发明认为PINN将实验数据与模拟方法相结合，在预测流场信息、封闭控制方程及初边值条件上，准确性高、鲁棒性强。