基于深度学习网络模型的电磁场预测方法

本发明公开了基于深度学习网络模型的电磁场预测方法，属于计算电磁学中吸收边界技术领域，构建并训练Autoformer模型，基于电磁模型，将序列分解机制和稀疏自相关机制运用于WCS‑FDTD框架中，以更快速精准地更新电磁场数据，将获取的历史内部场域与对应吸收边界处的电磁场数据输入训练好的神经网络模型进行预测，基于预测的下一时刻吸收边界处的电磁场数据与当前时刻内部场域的电磁场数据，计算下一时刻内部场域的电磁场数据，再将得到的对应下一时刻吸收边界处电磁场数据预测值与下一时刻内部场域电磁场数据进行组合，生成下一时刻的输入数据进行迭代预测，最终得到每一时刻的计算域电磁场数据。