申请/专利权人：南京航空航天大学

申请日：2024-01-23

公开（公告）日：2024-04-12

公开（公告）号：CN117874704A

主分类号：G06F18/25

分类号：G06F18/25;G06F18/213;G06F17/15

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于POD数据同化的模态内卷积的方法，数据A是实验测量数据；数据B是数值仿真数据，两组数据规格相同，对数据A进行一半面积人为的缺失处理得到数据C；对数据B进行POD分解，分解得到空间特征和时间特征；根据空间位置关系和具体数据利用模态内卷积的方法，提取超参数C1,C2,C3并得到主要特征；得到了通过三个模态内卷积提取的主要空间特征，进行缺失处理缺失范围与测量数据缺失范围保持一致；将空间特征缺失后主要空间特征，与缺失的实验数据Uc进行最小二乘解算，得到完整的时间特征；将其与完整的空间模态进行内积运算得到完整的同化数据。本发明提高了数据精度，减少了数据的噪声。

主权项：1.一种基于POD数据同化的模态内卷积的方法，其特征在于具体步骤如下：步骤1：两组初始数据，数据A是实验测量数据；数据B是数值仿真数据，两组数据规格相同，对数据A进行一半面积人为的缺失处理得到数据C，模拟实验数据测量只能测量到局部的特点，具体表达式如下：Ucx,t＝δM,Uax,t 其中Ua代表数据A物理场，Uc代表数据C物理场；δM代表缺失函数；x和t分别表示空间和时间维度；步骤2：对数据B进行POD分解，分解得到空间特征和时间特征，数据B包含完整的空间数据，分解得到的是完整的空间特征，具体表达式如下： 其中Ub代表数据B物理场，代表空间特征；akt代表时间特征；x和t分别表示空间和时间维度；m是所有特征的数量；步骤3：根据空间位置关系和具体数据利用模态内卷积的方法，提取超参数C1,C2,C3并得到主要特征；C1是模态内卷积无序性参数，用于表征特征的数据相对于自身的变化剧烈程度；C2是模态内卷积异常值参数，用于表征特征由于误差产生的错误的特征；C3是卷积模块过滤参数，是小波函数过滤阈值；步骤4：得到了通过三个模态内卷积提取的主要空间特征进行缺失处理缺失范围与测量数据缺失范围保持一致，具体表达式如下： 其中是缺失后经过模态内卷积提取的主要空间特征；步骤5：将空间特征缺失后主要空间特征与缺失的实验数据Uc进行最小二乘解算，得到完整的时间特征anewt，具体表达式如下： 步骤6：得到完整的时间特征anewt后，将其与完整的空间模态进行内积运算得到完整的同化数据Ud，具体表达式如下：

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于POD数据同化方法的模态内卷积改进方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD