基于POD与深度学习的压缩机流场降阶建模方法和装置

本申请提出了一种基于POD与深度学习的压缩机流场降阶建模方法和装置，涉及压缩机流场建模技术领域，包括：获取压缩机流场区域在多个工况参数下的三维瞬态流场数据，并基于三维瞬态流场数据构建包含多个时间快照的流场数据集；基于流场数据集获取压缩机的目标流场快照数据；对目标流场快照数据进行本征正交分解，基于分解后的数据获取降维后的时间系数矩阵；基于工况参数和降维后的时间系数矩阵构建训练集，并采用训练集对预构建的神经网络预测模型进行训练，得到目标预测模型。本申请通过上述压缩机流场降阶建模方法，可以训练构建融入流动物理规律的目标预测模型，采用目标预测模型可以完成新工况下的预测任务。