一种基于时序增强MLP的动力学模型优化方法

本发明公开了一种基于时序增强MLP的动力学模型优化方法，属于动力学模型构建技术领域，该方法包括：获取样本的动力学实验数据，并基于实验数据构造五类时间序列特征；将时间序列特征与机理模型的积分形式进行结合，构建增强特征矩阵及时序增强MLP预测模型；构建基于Huber损失与L正则化的优化目标函数，并对机理模型权重施加非负约束；采用L‑BFGS‑B算法对优化目标函数进行快速求解，输出最优权重向量，得到最终的动力学预测模型。本发明经过优化后的动力学模型，通过引入一阶、二阶导数以及滑动窗口统计特征，增强了模型对局部动力学演化特征的表征能力，同时还利用优化算法来实现算法的快速收敛，显著提升了模型的预测精度、数值稳定性与泛化性能。