一种基于深度学习的时域预测动力学模态分解方法、系统及存储介质

本发明公开了一种基于深度学习的时域预测动力学模态分解方法、系统及存储介质。基于深度学习的时域预测动力学模态分解方法，集成了摩尔彭若斯伪逆定理，自适应峰值检测算法以及长短期记忆网络方法，考虑了模态时间系数幅值和频率的耦合变化，实现了对模态时间系数的准确描述和预测，扩展了传统动力学模态分解方法的极限；通过对采样范围内非稳定流场的模态分解，能够有效识别流场中的瞬态模态并准确预测其采样范围外的时域演变规律，最终实现对采样范围之外的非定常流场的准确预测。本方法能更加准确地识别和预测非稳定流动中的失稳先兆模态，为分析复杂流动的演化特征提供新的方法。