CNN-GRU-PINN复合神经网络

非稳态流场中长期预测

结合CNN的空间特征提取、GRU的时序建模与PINN的物理约束,实现对非稳态流场的准确中长期预测,方法对环境噪声和样本量变化不敏感。

Xu, Cheng · 刘正先 · 李孝检

Physics of Fluids 2025

参数信息

重建精度提升
86.10 %
预测精度提升
96.18 %
预测精度提升
65.71 %

技术优势

中长期预测

结合CNN、GRU与PINN,分别提取空间特征、时序特征并施加物理约束,突破纯数据驱动和单一物理驱动方法只能短期预测的局限。

抗噪稳健

对样本量和噪声水平的变化不敏感,在多样化数据条件下保持稳定可靠的性能。

应用场景