一种基于分支神经网络的两相流预测方法

本发明公开了一种基于分支神经网络的两相流预测方法，通过不同的分支来分别学习两相的速度、密度、压力或其他重要物理属性以及其相界变化的规律，通过特征耦合来共享特征和传递特征，可以利用不同分支之间的相关性和相互补充的特征信息，使用适当的融合策略来整合各个分支的输出，以得到最终的两相流预测结果，克服传统计算流体力学方法在计算过程中的迭代次数较多，进而消耗大量计算资源、计算效率低等缺点以及解决普通神经网络对两相流预测精度差、边界发散等问题。