基于神经网络移位正交归一分解的自动运输分离方法

本文提出了一种基于神经网络的方法，用于对运输主导场进行分解，采用移位正交归一分解（shifted proper orthogonal decomposition, sPOD）。经典的 sPOD 方法通常需要事先了解运输算子才能确定随运动场。然而，在许多实际问题中，这种已知条件难以获得甚至不可获得，这限制了 sPOD 的适用性和效益。为此，我们的方法同时使用神经网络估计运输场和随运动场。这通过训练两个专门学习运输和随运动场的子网络来实现。对合成数据和野火模型的应用结果表明，这种神经 sPOD 方法具有有效且高效的能力，能够有效分离不同的场。