一种基于LSTM模型的可压缩湍流中波束扩展曲线预测的方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
一种基于LSTM模型的可压缩湍流中波束扩展曲线预测的方法
申请号:CN202511109500
申请日期:2025-08-08
公开号:CN121009521A
公开日期:2025-11-25
类型:发明专利
摘要
本发明涉及可压缩湍流领域,具体涉及一种基于LSTM模型的可压缩湍流中波束扩展曲线预测的方法,方法为:提取输入波束扩展前段曲线的多维度特征,并转换为LSTM模型适配格式;构建深度LSTM模型;基于余弦退火原理自定义回调函数,按回调函数周期性调整学习率;集成早停、最优模型保存与学习率调度回调策略,动态调整LSTM模型学习率,优化LSTM模型;LSTM模型依次执行主训练全流程,反归一化还原真实尺度,输出可压缩湍流中波束扩展曲线预测结果。能够稳定的建立LSTM神经网络模型,且模型稳定性好,可压缩湍流中波束扩展曲线预测结果量化,预测结果准确。
技术关键词
优化LSTM模型 波束 湍流 曲线 LSTM神经网络模型 序列 时序 格式 样本 周期性 数据 策略 优化器 训练集 机制 误差 动态 记忆 指标