双尺度注意力网络

流场误差 <2%

输入解耦策略将流场分成多个尺度块分别建模,能更准确地捕捉复杂流动中的涡脱落与强非线性特征。

Ze, Li · 杨东梅 · 印桂生

Expert Systems with Applications 2026

参数信息

平均L2相对误差
<2 %
输入噪声鲁棒性
15 %

技术优势

解耦建模

输入解耦策略将流场划分为多个大尺度空间块,每个大块再解耦为多个小尺度块,分别送入双分支注意力网络进行特征提取与融合,从而更有效地捕捉多尺度流动结构。

误差低于2%

在圆柱绕流和舱室进水两套算例上,模型对速度和压力场的平均L2相对误差均小于2%,显著优于基线。

抗噪声达15%

即使输入数据被高达15%的噪声污染,模型仍能维持预测精度,表明其对真实世界中不完美测量数据的适应能力。

应用场景