一种数据驱动的复杂流动演化分析方法及系统

本发明提供了一种数据驱动的复杂流动演化分析方法及系统，通过结合正交模态分解与转移熵的策略，精准识别流场中各典型动力学模态之间的因果关系，进而挖掘对流动演化及系统性能具有显著影响的核心模态组合，最终实现复杂流场演化的分析与控制。通过系统识别模态之间的因果网络关系，能够显著降低对高维原始流场数据的依赖程度，将分析重点聚焦于动力学主导性强、交互性显著的关键模态。通过因果性量化补充了传统模态能量排序的不足，使得模态筛选不仅考虑贡献度，还兼顾动态主导性和交互作用，为复杂流动行为的定量建模和预测提供了更具针对性和可靠性的依据。