流场预测精度更高
通过动态更新参数与训练数据，并引入流域信息，更准确地预测船舶舱室淹没过程中的非定常流场。
Li, Ze · 杨东梅 · 印桂生 · Qi, Pengyuan
Engineering Applications of Artificial Intelligence 2026
DAPNN结合物理方程、流场区域和空间点数据，通过动态更新参数和训练数据，相比传统PINN将压力p预测精度提高了42.2%。
通过在损失函数中引入流场区域信息，DAPNN不仅预测流场区域，还预测其随时间变化的形状，将流域面积预测误差降低了64.9%。
动态训练方法使DAPNN能够用更少的数据准确预测演化的流场，提供更好的流动趋势预测。