一种融合迁移学习理论和自适应动态物理分区的超音速叶栅流场重构方法

一种融合迁移学习理论和自适应动态物理分区的超音速叶栅流场重构方法，其属于流体力学数值模拟与机器学习技术领域。本发明方法通过物理分区策略，避免了纯数据分块因缺乏物理逻辑导致的特征学习碎片化问题；借助共享特征提取器加分区适配器的模块化协同训练，既避免了全局模型对局部差异学习不足的缺陷，又避免了单独训练各分区模型时通用特征重复学习的冗余；在预测与迭代优化环节，通过自动校验与回溯调整，避免了人工干预成本高以及预测结果存在非物理现象、局部分区误差大的弊端，最终实现了对高精度数据的高效、精准且物理合理的预测。