本技術(shù)涉及模型評測，特別涉及一種流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型評測方法、裝置、電子設(shè)備及介質(zhì)。

背景技術(shù)：

1、計算流體動力學(xué)(cfd)在航空航天、汽車工程和環(huán)境工程等多個領(lǐng)域的流體流動分析和模擬中已成為不可或缺的工具。傳統(tǒng)的cfd方法通常依賴于對navier-stokes方程的數(shù)值求解，這些方法在處理復(fù)雜的三維湍流流動時計算量大且耗時。隨著對高保真模擬需求的增加，開發(fā)更高效的計算方法變得尤為重要。

2、近年來，神經(jīng)網(wǎng)絡(luò)(nn)方法在cfd領(lǐng)域展現(xiàn)出巨大的潛力，能夠顯著降低計算成本，同時保持甚至提高精度。這些數(shù)據(jù)驅(qū)動模型可以從大量數(shù)據(jù)集中學(xué)習(xí)復(fù)雜的模式和行為，從而無需從頭求解偏微分方程即可快速預(yù)測流體動力學(xué)行為。這為cfd的實時應(yīng)用和大規(guī)模模擬開辟了新的可能性。

3、盡管該領(lǐng)域進展迅速，但目前缺乏一個系統(tǒng)的框架來評測和比較不同的針對cfd應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例的主要目的在于提出一種流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型評測方法、裝置、電子設(shè)備及介質(zhì)，能夠?qū)崿F(xiàn)流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型評測，評估各種流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型在多種流體動力學(xué)問題上的性能、精度和通用性。

2、一方面，本技術(shù)實施例提出了一種流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型評測方法，所述方法包括以下步驟：

3、獲取各流體力學(xué)問題對應(yīng)的物理系統(tǒng)方程表示；

4、利用各所述物理系統(tǒng)方程表示構(gòu)建各所述流體力學(xué)問題對應(yīng)的樣本數(shù)據(jù)集；

5、獲取多個待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型；

6、針對各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型，利用各所述樣本數(shù)據(jù)集對所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練、推理和評測，獲取多個評測指標(biāo)，確定各所述評測指標(biāo)對應(yīng)的評測指標(biāo)值；

7、針對各所述流體力學(xué)問題對應(yīng)的所述樣本數(shù)據(jù)集，根據(jù)各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的各所述評測指標(biāo)值和各所述評測指標(biāo)對應(yīng)的權(quán)重占比，確定各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的目標(biāo)評測總值，根據(jù)各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的目標(biāo)評測總值，從多個所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型中確定所述流體力學(xué)問題對應(yīng)的最優(yōu)流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型。

8、在一些實施例中，所述利用各所述物理系統(tǒng)方程表示構(gòu)建各所述流體力學(xué)問題對應(yīng)的樣本數(shù)據(jù)集，具體包括：

9、獲取所述物理系統(tǒng)方程表示對應(yīng)的相關(guān)項，所述相關(guān)項至少包括：方程表達式、方程物理參數(shù)、初邊值條件和域幾何形狀；

10、對所述相關(guān)項進行修改，生成多個樣本數(shù)據(jù)。

11、在一些實施例中，所述針對各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型，利用各所述樣本數(shù)據(jù)集對所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練、推理和評測，獲取多個評測指標(biāo)，確定各所述評測指標(biāo)對應(yīng)的評測指標(biāo)值，具體包括：

12、對所述樣本數(shù)據(jù)集根據(jù)預(yù)設(shè)的比例進行劃分，獲得訓(xùn)練集、驗證集和測試集；

13、利用所述訓(xùn)練集和所述驗證集對所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練和驗證；

14、利用所述測試集對訓(xùn)練后的待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型進行結(jié)果推理，再進行模型評測，獲得對應(yīng)于各所述評測指標(biāo)的所述評測指標(biāo)值。

15、在一些實施例中，所述針對各所述流體力學(xué)問題對應(yīng)的所述樣本數(shù)據(jù)集，根據(jù)各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的各所述評測指標(biāo)值和各所述評測指標(biāo)對應(yīng)的權(quán)重占比，確定各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的目標(biāo)評測總值，根據(jù)各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的目標(biāo)評測總值，從多個所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型中確定所述流體力學(xué)問題對應(yīng)的最優(yōu)流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型，具體包括：

16、針對各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型，對所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的各所述評測指標(biāo)值進行排序，獲得排序結(jié)果，根據(jù)所述排序結(jié)果，對各所述評測指標(biāo)進行賦值，更新各所述評測指標(biāo)對應(yīng)的所述評測指標(biāo)值；

17、獲取各所述評測指標(biāo)對應(yīng)的得分權(quán)重占比；

18、針對各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型，根據(jù)各所述評測指標(biāo)對應(yīng)的所述得分權(quán)重占比和更新后的評測指標(biāo)值，確定所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的所述目標(biāo)評測總值；

19、針對各所述流體動力學(xué)問題，根據(jù)各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的所述目標(biāo)評測總值，從多個所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型中確定所述流體力學(xué)問題對應(yīng)的所述最優(yōu)流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型，其中，所述最優(yōu)流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的所述目標(biāo)評測總值最高。

20、在一些實施例中，所述目標(biāo)評測總值通過下式計算：

21、

22、其中，sum為目標(biāo)評測總值，n為評測指標(biāo)個數(shù)，ωi為第i個評測指標(biāo)對應(yīng)的得分權(quán)重占比，ai為第i個評測指標(biāo)對應(yīng)的評測指標(biāo)值。

23、在一些實施例中，所述根據(jù)所述排序結(jié)果，對各所述評測指標(biāo)進行賦值，更新各所述評測指標(biāo)對應(yīng)的所述評測指標(biāo)值，具體包括：

24、獲取多個排序名次和各所述排序名次對應(yīng)的排序賦值；

25、根據(jù)所述排序結(jié)果，確定各所述評測指標(biāo)對應(yīng)的得分排序名次；

26、針對各所述評測指標(biāo)對應(yīng)的所述得分排序名次，從多個所述排序名次確定與所述得分排序名次對應(yīng)的目標(biāo)排序名次，將所述評測指標(biāo)值更新為所述目標(biāo)排序名次對應(yīng)的所述排序賦值。

27、在一些實施例中，所述流體力學(xué)問題至少包括darcy流動相關(guān)問題、taylor-green渦相關(guān)問題、頂蓋驅(qū)動方腔流相關(guān)問題、管道流相關(guān)問題、圓柱繞流相關(guān)問題、兩相流相關(guān)問題和三維周期山流相關(guān)問題；所述評測指標(biāo)包括精度指標(biāo)和效率指標(biāo)。

28、另一方面，本技術(shù)實施例提出了一種流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型評測裝置，所述裝置包括：

29、第一模塊，用于獲取各流體力學(xué)問題對應(yīng)的物理系統(tǒng)方程表示；

30、第二模塊，用于利用各所述物理系統(tǒng)方程表示構(gòu)建各所述流體力學(xué)問題對應(yīng)的樣本數(shù)據(jù)集；

31、第三模塊，用于獲取多個待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型；

32、第四模塊，用于針對各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型，利用各所述樣本數(shù)據(jù)集對所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練、推理和評測，獲取多個評測指標(biāo)，確定各所述評測指標(biāo)對應(yīng)的評測指標(biāo)值；

33、第五模塊，用于針對各所述流體力學(xué)問題對應(yīng)的所述樣本數(shù)據(jù)集，根據(jù)各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的各所述評測指標(biāo)值和各所述評測指標(biāo)對應(yīng)的權(quán)重占比，確定各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的目標(biāo)評測總值，根據(jù)各所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的目標(biāo)評測總值，從多個所述待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型中確定所述流體力學(xué)問題對應(yīng)的最優(yōu)流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型。

34、另一方面，本技術(shù)實施例提出了一種電子設(shè)備，所述電子設(shè)備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)前面所述的流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型評測方法。

35、另一方面，本技術(shù)實施例提出了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)前面所述的流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型評測方法。

36、本技術(shù)實施例至少包括以下有益效果：本技術(shù)提供的一種流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型評測方法、裝置、電子設(shè)備及介質(zhì)，其通過各流體力學(xué)問題對應(yīng)的樣本數(shù)據(jù)集對各待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練和評測，獲得各樣本數(shù)據(jù)集下各待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的目標(biāo)評測總值，根據(jù)各待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型對應(yīng)的目標(biāo)評測總值，從多個待評測流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型中確定流體力學(xué)問題對應(yīng)的最優(yōu)流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型。本技術(shù)能夠?qū)崿F(xiàn)流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型評測，評估各種流體力學(xué)神經(jīng)網(wǎng)絡(luò)模型在多種流體動力學(xué)問題上的性能、精度和通用性，提高流體力學(xué)神經(jīng)模型評估的科學(xué)性、系統(tǒng)性和準(zhǔn)確性。