一种基于自注意力几何编码的无网格翼型流场预测方法

本发明公开一种基于自注意力几何编码的无网格翼型流场预测方法，包括以下步骤：将多套网格上的定常流动数据进行数据预处理，得到网格节点的几何信息，并将网格节点中与几何表面相贴合，几何距离为0的点标记为物面特征点；从每个数据场中选取物面特征点，并采样部分网格节点的几何信息及对应流场信息；构建神经网络前向过程，基于网格节点输入通过注意力机制赋予物面特征点不同的权重，物面特征点通过权重加权和得到几何编码，与空间位置拼接通过隐式神经表达解码成流场物理量，在神经网络输出后通过损失函数反向传播训练模型，获取最优预测神经网络参数；输入物面特征点，流场空间坐标并计算几何信息，拼接来流速度，攻角进行流场预测。