[发明专利]计算流体动力学加速方法、装置、设备以及存储介质

权利要求书

1.一种变分贝叶斯神经网络训练方法，包括：

将计算流体动力学CFD的偏微分方程在t时刻的真实解输入至变分贝叶斯神经网络，得到在t时刻的插值系数向量；

基于在t时刻的插值系数向量计算在t时刻的k阶偏导数；

基于在t时刻的k阶偏导数求解所述CFD的偏微分方程在t+△t时刻的预测解；

基于在t+△t时刻的预测解和在t+△t时刻的真实解计算损失；

基于所述损失调整所述变分贝叶斯神经网络的参数；

所述基于在t时刻的插值系数向量计算在t时刻的k阶偏导数，包括：

将在t时刻的真实解和在t时刻的插值系数向量，按公式计算在t时刻的空间导数，是u(x_n)对x的k阶偏导数，CFD的偏微分方程是任意函数u，u(x_n)和u(x_n-m)是CFD的偏微分方程的解，x是一维向量空间上的点，x_n是一维向量空间上的第n个点，x_n-m一维向量空间上的第n-m个点，是插值系数向量，n、m和k是正整数；

将在t时刻的空间导数代入公式得到在t时刻的通量，f(x_n)是通量，是u(x_n)对x的一阶偏导数，是u(x_n)对x的二阶偏导数；

将在t时刻的通量按公式计算在t时刻的时间导数，是u(x_n)对t的偏导数，t是时间点，和是通量。

2.根据权利要求1所述的方法，其中，所述方法还包括：

将在t+△t时刻的真实解输入至所述变分贝叶斯神经网络，继续对所述变分贝叶斯神经网络进行训练。

3.一种计算流体动力学加速方法，包括：

利用变分贝叶斯神经网络学习在当前时刻的插值系数向量，其中，所述变分贝叶斯神经网络是采用权利要求1-2中任一项所述的方法训练得到的；

基于在当前时刻的插值系数向量计算在当前时刻的k阶偏导数；

基于在当前时刻的k阶偏导数求解计算流体动力学CFD的偏微分方程。

4.根据权利 要求3所述的方法，其中，所述利用变分贝叶斯神经网络学习在当前时刻的插值系数向量，包括：

将在当前时刻的解输入至所述变分贝叶斯神经网络，拟合得到在当前时刻的插值系数向量。

5.根据权利要求3或4所述的方法，其中，所述基于在当前时刻的k阶偏导数求解计算流体动力学CFD的偏微分方程，包括：

重复N次迭代以下步骤：利用所述变分贝叶斯神经网络学习在当前时刻的插值系数向量；基于在当前时刻的插值系数向量计算在当前时刻的空间导数；将所述当前时刻的空间导数代入通量特定方程，得到在当前时刻的通量；

利用有限体积法计算积分后的CFD的偏微分方程；

基于所述积分后的CFD的偏微分方程和在各个时刻的通量，求解所述CFD的偏微分方程。