买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西北工业大学申请的专利一种基于改进Unet网络的非定常流场预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116341384B 。

龙图腾网通过国家知识产权局官网在2025-06-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310321267.X，技术领域涉及：G06F30/27；该发明授权一种基于改进Unet网络的非定常流场预测方法是由孙迪;金昱龙;屈峰;王梓瑞;白俊强设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本一种基于改进Unet网络的非定常流场预测方法在说明书摘要公布了：本发明涉及计算流体力学领域和人工智能领域，提出一种基于改进Unet网络的非定常流场预测方法，具体包括以下步骤：步骤1，对非定常流场采样；步骤2，构建混合神经网络U‑ConvLSTM；步骤3，训练混合神经网络U‑ConvLSTM；步骤4，采用混合神经网络U‑ConvLSTM对非定常流场进行预测。

本发明授权一种基于改进Unet网络的非定常流场预测方法在权利要求书中公布了：1.一种基于改进Unet网络的非定常流场预测方法，其特征在于，包括以下步骤： 步骤1：利用需要进行非定常流场预测的物体模型，构造非定常流场样本； 步骤2：构建适用于非定常流场预测的混合神经网络U-ConvLSTM，所述混合神经网络U-ConvLSTM基于Unet网络模型，以ConvLSTM层，卷积块和反卷积块为组成模块，其中对于输入的流程数据的传递处理过程为： 将步骤1中得到的等时间间隔的数个流场数据作为一层输入数据，分别通过卷积块运算和ConvLSTM层运算，其中通过卷积块运算的数据则传递到下一层，作为二层的输入数据；通过ConvLSTM层运算的数据作为一层传递数据通过跳级连接采用加操作与二层经过反卷积块运算处理的二层输出数据进行加操作，得到数据作为输出数据； 二层输入数据分别通过卷积块运算和ConvLSTM层运算，其中通过卷积块运算的数据则传递到下一层，作为三层的输入数据；通过ConvLSTM层运算的数据作为二层传递数据通过跳级连接采用加操作与三层通过反卷积块运算处理的三层输出数据进行加操作，得到数据作为二层输出数据，而二层输出数据通过反卷积块运算传递到上一层； 三层输入数据分别通过卷积块运算和ConvLSTM层运算，其中通过卷积块运算的数据则传递到下一层，作为四层的输入数据；通过ConvLSTM层运算的数据作为三层传递数据通过跳级连接采用加操作与四层通过反卷积块运算处理的四层输出数据进行加操作，得到数据作为三层输出数据，而三层输出数据通过反卷积块运算传递到上一层； 四层输入数据分别通过卷积块运算和ConvLSTM层运算，其中通过卷积块运算的数据则传递到下一层，作为五层的输入数据；通过ConvLSTM层运算的数据作为四层传递数据通过跳级连接采用加操作与五层通过反卷积块运算处理的五层输出数据进行加操作，得到数据作为四层输出数据，而四层输出数据通过反卷积块运算传递到上一层； 五层输入数据通过ConvLSTM层运算得到五层输出数据，而五层输出数据通过反卷积块运算传递到上一层； 步骤3：利用步骤1构造的非定常流场样本，对步骤2构建的混合神经网络U-ConvLSTM进行训练； 步骤4：对非定常流场的快速预测： 将已有的数个相同时间间隔的流场信息输入到步骤3训练好的混合神经网络U-ConvLSTM中，即得到下一时刻的流场信息；将混合神经网络U-ConvLSTM预测得到的下一时刻的流场信息输入到训练好的混合神经网络U-ConvLSTM中，即得到新的下一时刻的流场信息，如此循环，实现对非定常流场的持续预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。