一种新经典环向粘滞力矩的机器学习方法

本发明提供一种新经典环向粘滞力矩的机器学习方法，涉及可控核聚变技术领域，本发明通过获取各个模块的计算效率评价系数筛选出存在计算瓶颈且需要替代模型的模块，并通过训练，获取替代模型，根据可靠性系数对替代模型进行判别并优化，以替代模型更换存在计算瓶颈的子模块，形成耦合物理和神经网络的新经典环向粘滞力矩模型，获取替代模型的计算评价效率系数，并获取耦合可靠性系数，判断并优化耦合物理和神经网络的新经典环向粘滞力矩模型，本发明提高了计算效率，突破了传统方法的时间成本瓶颈，够灵活适应不同物理参数的输入需求，为实验放电控制和方案设计提供了准确、快速的支持。