武 频，常旭婷，郎佳林，潘凯凯，龚思泉

(1.上海大学 计算机工程与科学学院，上海 200444；2.中国空气动力研究与发展中心 空气动力学国家重点实验室，绵阳 621000)

0 引 言

数值模拟技术可以替代部分风洞试验建立相应流场的数学模型，在降低实验成本的基础上更便捷地预测流场结果，相应的对数值模型的可信度也有一定的要求。

数值模型中涉及了一系列参数，有的由观测仪器间接计算或直接获得，有的无法测量只能通过经验推导估计。为了提高数学模型可信度使其能正确再现流场变化，有必要结合流场实测数据对参数进行辨识，目前工程上普遍采用优化算法。

优化算法通过建立目标函数表示数值模型的输出与实测数据之间的距离，查找目标函数极小时数值模型中的参数组合，实现参数辨识。水文预报领域中陆续引入了遗传算法[1-3]、下坡单纯形法[4]、粒子群算法[5-6]；气动力领域中广泛应用了最大似然法[7]。由于最大似然法依赖目标函数梯度以及参数初值的选取，有一定的局限性，张天姣等[8]也将粒子群算法引入到气动力领域中求解参数辨识问题。优化算法在求解过程中需要对目标函数或目标函数梯度进行大量迭代计算，而目标函数中又包含了流场复杂的数值模型，因此参数辨识过程十分耗时。

随着深度学习的发展，数值模拟与神经网络技术的结合逐渐成为一项研究热点，尤其是在气动力建模领域之中。Miyanawala等[9]通过卷积神经网络（Convolutional Neural Networks，CNN）对气动载荷实现准确预测。……