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！

龙图腾网获悉浙江大学申请的专利一种基于元学习的流动非线性降阶建模与预示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：CN116205158B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310129064.0，技术领域涉及：G06F30/28；该发明授权一种基于元学习的流动非线性降阶建模与预示方法是由谢芳芳;季廷炜;张鑫帅;郑畅东;周宏杰;郑耀设计研发完成，并于2023-02-17向国家知识产权局提交的专利申请。

本一种基于元学习的流动非线性降阶建模与预示方法在说明书摘要公布了：本发明提供了一种基于元学习的流动非线性降阶建模与预示方法。本发明所提出的方法首先，建立适合当前流动问题的自编码器构型的流动预测模型；其次，通过MAML算法学习不同参数流场之间的关系，并建立元模型；然后，通过所建立的元模型作为新物理参数下的初始化模型，在少量训练数据点下进行微调；最后通过少样本训练后的流动预测模型对新参数下的流场进行降阶分析及预测研究。该方法通过引入元学习策略，对当前模型存在的泛化能力差以及训练时间长的问题提出了一种新的解决方案。并且该方法实现简单，精度高，通用性强。可以广泛应用于复杂参数化流动系统的降阶建模与预测。

本发明授权一种基于元学习的流动非线性降阶建模与预示方法在权利要求书中公布了：1.一种基于元学习的流动非线性降阶建模方法，其特征在于，该方法具体包括： 步骤S1：构建流场数据集X；所述流场数据集X包含不同运动参数下的流场数据，每一运动参数下的流场数据包含不同时刻的流动快照； 步骤S2：构建一自编码器结构的流动非线性降阶模型，并利用构建的流场数据集X，以t时刻的流场快照为输入，以t+1时刻的流场快照为输出，基于元学习进行训练，具体如下： 步骤S2.1：从构建的流场数据集X中抽取一组训练样本Xb； 步骤S2.2：将抽取的训练样本集划分为支持集和问询集 步骤S2.3：将上一次迭代得到的流动非线性降阶元模型的参数值作为流动非线性降阶模型参数初值，计算流动非线性降阶模型在支持集下的梯度其中fθ表示在权重参数为θ的流动非线性降阶模型；表示以支持集的样本为输入计算的损失函数，所述损失函数包括流动非线性降阶模型输出的预测值与真值的误差； 步骤S2.4：通过n次梯度下降计算流动非线性降阶模型的自适应参数值： 其中，θn-1表示第n-1次梯度下降的模型参数值，β表示学习率； 步骤S2.5：基于自适应参数值更新流动非线性降阶模型参数： 其中，表示本次迭代更新后的流动非线性降阶元模型的参数值，表示上一次迭代得到的流动非线性降阶元模型的参数值，η表示元学习率；表示以问询集的样本为输入计算的损失函数； 重复步骤S2.1-S2.5多次迭代更新流动非线性降阶模型参数获得流动非线性降阶元模型； 步骤S3：构建流场数据集Xnew；所述流场数据集Xnew只包括同一运动参数下的流场数据，每一运动参数下的流场数据包含不同时刻的流动快照； 利用构建的流场数据集Xnew，以t时刻的流场快照为输入，以t+1时刻的流场快照为输出，对获得的流动非线性降阶元模型进行训练微调，得到适应流场数据集Xnew对应运动参数下的流动非线性降阶模型。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。