一种基于模态特征分解预测的流场预测方法及系统与流程

本发明涉及流场预测领域，具体涉及一种基于模态特征分解预测的流场预测方法及系统。

背景技术：

1、在许多实际应用中，如天气预报、空气质量预测、运输机空投救援物资等，都需要对流场(或风场)进行精确的预测。在气象预报领域，需要快速预测风场以提供准确的天气预报，包括风速、风向、气温等。在航空航天领域，快速预测飞机在机场起飞和降落过程中的风场变化对飞行安全至关重要。此外，在卫星发射中，也需要对地球大气层的风场进行预测，以确保发射安全。

2、在风能领域，风能发电场需要快速预测风场，以优化风力机的运行和最大化能源产出。在环境科学和污染控制领域，快速预测风场是研究污染物在大气中的扩散和传播的重要基础，这对于制定有效的污染控制策略至关重要。例如，在火灾、化学泄漏等紧急情况下，快速预测风场可以帮助决策者制定有效的应对措施。在运输机空投领域，空投风场通常复杂多变，而空投过程持续时间短，更需要快速准确地预测风场以提高空投物资落点精度。然而，由于流场的动态复杂性和非线性，使得准确预测流场演化变得非常具有挑战性。

3、传统的流场计算和预测方法通常涉及计算流体力学(computational fluiddynamics，cfd)的应用。cfd是一种通过数值方法求解流体动力学方程(如navier-stokes方程)来模拟和分析流体流动的技术。传统的流场预测方法的一般流程是：

4、首先，根据实际流动问题建立相应的数学模型，并确定边界条件和初始条件。接下来，将计算域离散化为一系列离散的网格点，用于数值求解控制方程，网格划分的精细程度会影响计算结果的精度和计算量。在建立好数学模型和网格划分后，使用数值计算方法(如有限差分法、有限元法、有限体积法等)对控制方程进行离散化，并在离散化的网格上进行数值求解。这通常涉及迭代计算，直到满足收敛条件为止。求解完成后，对计算结果进行后处理，以得到所需的流场信息。需要注意的是，传统的流场计算和预测方法通常需要较长的计算时间和较高的计算资源，尤其是在处理复杂流动问题时。

5、为了能够简化流场预测的难度，传统的流场预测还可采用本征正交分解、动力学模态分解等能够对流场进行降阶的数学方法进行。流场预测的路线通常为：对流场进行分解以得到多阶模态(主要目的在于对流场进行降维处理)，随后提取前几阶模态进行整体地时间演化预测，最后利用整体的时间演化预测结果则可以重构得到流场的预测结果(即传统预测思路为：降维→整体预测与重构)。然而，当面临复杂流场的预测问题时，传统流场预测方法仍然需要耗费大量的计算资源，计算效率有限。

6、例如，专利申请cn116029205a公开了一种基于本征正交分解和深度学习融合的流场重建方法。该方法通过对流场进行分解降维，再结合pod方法提取的初始预测流场模态建立数学优化问题，最终实现对流场整体预测的优化。

7、又例如，cn116167305a公开了一种湍流燃烧流场的流场数据预测方法、装置及存储介质。该方法将多物理场耦合的湍流燃烧过程按照温度、速度、各燃烧组分密度三部分分开提取模态，随后将温度、速度、各燃烧组分等各个模态作为一个整体进行降阶处理，进而得到湍流燃烧过程的降阶模型。并且，这种流场预测方法仅适用于燃烧过程，应用场景非常有限。

8、再例如，cn115293050a公开了流体流动降阶模型的建立方法、装置及系统和存储介质。cn110222306a公开了一种适用于内孤立波试验流场分析及重构的改进模态分解方法。然而上述流场预测方法均采用的是传统整体预测与重构思路，因此其计算效率均较为有限。并且后者的适用范围是内孤立波试验流场分析及重构，难以应用至多类型的流场预测。

9、因此，目前亟需一种适用性广、计算效率高的流场预测方法。

技术实现思路

1、本发明的目的在于提供一种基于模态特征分解预测的流场预测方法及系统。该方法通过将复杂流场时间序列分解为不同的模态，并逐个对各阶模态随时间的演化过程进行独立性预测，进而通过将独立预测的各阶模态进行重构来实现对整个流场演化的预测。且经过试验验证，通过本发明的方法和系统，可以实现对复杂流场的高效和准确预测，从而提高预报的效率和稳定性，同时降低计算复杂性和时间成本，具有重要的实际应用价值。

2、为了解决上述所提到的技术问题，本发明具体采用以下技术方案：

3、本发明的第一方面，在于提供一种基于模态特征分解预测的流场预测方法，包括：

4、s101根据流场的显著特征计算所述流场的特征频率f1；

5、s102采用第一选取规则通过所述特征频率f1选取采样频率f2，进而以选取的所述采样频率对所述流场的流场数据进行提取，并获取到所述流场的时间序列数据，所述时间序列数据包括：

6、x个时刻下的流场数据；其中，所述第一选取规则要求所述采样频率f2大于或等于特征频率f1的两倍；

7、s103采用模态特征提取方法对各个所述流场数据进行模态分解以得到第一阶数y1个模态；

8、s104分别提取第二阶数y2个所述模态的时间和空间特征，

9、并采用流场预测方法通过所述时间和空间特征分别对同一阶所述模态进行独立地时间演化预测，以预测得到各个所述模态在下一时刻下的模态特征；

10、s105对各阶所述模态的y2个所述模态特征进行重构以预测得到下一时刻下的所述流场的流场数据。

11、在一些实施例中，s102步骤中所述时间序列数据的时刻数量x满足第二选取规则，其中，所述第二选取规则要求时刻数量x为所述特征频率f1的整数倍为宜。

12、在一些实施例中，在s104之前，还包括：

13、采用第三选取规则选取得到所述第二阶数y2的最低阶数l1；其中，所述第三选取规则为：通过所述流场数据判断所述流场是否出现涡旋；若是，则获取最小涡旋所对应的涡旋频率f3，且所述最低阶数l1≥f3；

14、采用第四选取规则选取得到所述第二阶数y2的最高阶数l2；其中，所述第四选取规则为：获取时间变化率超过设定变化阈值的模态阶数y3，且最高阶数l2≤y3；

15、从(l1，l2]选取出当前的第二阶数y2。

16、在一些实施例中，所述显著特征包括以下一种或多种：分离流动的涡脱落频率、转动部件的转动频率。

17、在一些实施例中，在s103之前，包括：

18、获取所述流场的流场特征和流场场景，其中，所述流场特征包括：线性特征，和/或非线性特征；所述流场场景包括：航空航天领域、气象预报领域和/或燃烧领域；

19、根据第一匹配规则从模态特征提取方法数据库中匹配到至少一个第一模态特征提取方法；其中，所述特征提取方法数据库包括：多个模态特征提取方法，且模态特征提取方法分别关联有至少一个流场特征标签和至少一个流场场景标签；所述第一匹配规则要求所匹配到的第一模态特征提取方法的至少一个流场特征标签和至少一个流场场景标签与当前的流场特征和流场场景相符。

20、本发明另一方面还提供了一种基于模态特征分解预测的流场预测系统，包括：

21、特征频率获取模块，被配置为用于根据流场的显著特征计算所述流场的特征频率f1；

22、采样模块，被配置为用于采用第一选取规则通过所述特征频率f1选取采样频率f2，进而以选取的所述采样频率对所述流场的流场数据进行提取，并获取到所述流场的时间序列数据，所述时间序列数据包括：x个时刻下的流场数据；其中，所述第一选取规则要求所述采样频率f2大于或等于特征频率f1的两倍；

23、分解模块，被配置为用于采用模态特征提取方法对各个所述流场数据进行模态分解以得到第一阶数y1个模态；

24、独立预测模块，被配置为用于分别提取第二阶数y2个所述模态的时间和空间特征，并采用流场预测方法通过所述时间和空间特征分别对同一阶所述模态进行独立地时间演化预测，以预测得到各个所述模态在下一时刻下的模态特征；

25、重构模块，被配置为用于对各阶所述模态的y2个所述模态特征进行重构以预测得到下一时刻下的所述流场的流场数据。

26、在一些实施例中，所述时间序列数据的时刻数量x满足第二选取规则，其中，所述第二选取规则要求时刻数量x为所述特征频率f1的整数倍为宜。

27、在一些实施例中，还包括：第二阶数选取模块，被配置为用于采用第三选取规则选取得到所述第二阶数y2的最低阶数l1；其中，所述第三选取规则为：通过所述流场数据判断所述流场是否出现涡旋；若是，则获取最小涡旋所对应的涡旋频率f3，且所述最低阶数l1≥f3；采用第四选取规则选取得到所述第二阶数y2的最高阶数l2；其中，所述第四选取规则为：获取时间变化率超过设定变化阈值的模态阶数y3，且最高阶数l2≤y3；从(l1，l2]

28、选取出当前的第二阶数y2。

29、在一些实施例中，所述显著特征包括以下一种或多种：分离流动的涡脱落频率、转动部件的转动频率。

30、在一些实施例中，所述系统还包括：

31、特征获取模块，被配置为用于获取所述流场的流场特征和流场场景，其中，所述流场特征包括：线性特征，和/或非线性特征；所述流场场景包括：航空航天领域、气象预报领域和/或燃烧领域；

32、特征匹配模块，被配置为用于根据第一匹配规则从模态特征提取方法数据库中匹配到至少一个第一模态特征提取方法；其中，所述特征提取方法数据库包括：多个模态特征提取方法，且模态特征提取方法分别关联有至少一个流场特征标签和至少一个流场场景标签；所述第一匹配规则要求所匹配到的第一模态特征提取方法的至少一个流场特征标签和至少一个流场场景标签与当前的流场特征和流场场景相符。

33、有益技术效果：

34、本发明提供了一种限制性的独立演化方案。与现有技术中的整体预测思路不同，本发明将逐个针对各阶模态进行独立地时间演化预测，最终通过多个独立演化结果的结合构建整体的流场预测结果。而这种独立性地演化方法不但能够通过各阶模态精准预测提高流场预测的准确性和稳定性，同时也降低了计算复杂性和时间成本。

35、并且，本发明还针对独立演化过程中的采样阶段、独立演化阶段等关键流程提出了限制性的条件选择方案，因此面对复杂的流场求解问题，本发明能够在满足预测准确性的基础上，进一步地提升计算效率。