CN120105966B 多介质流体相互作用的状态预测系统、方法及设备 （中国人民解放军国防科技大学）

(19)国家知识产权局(12)发明专利(10)授权公告号CN120105966B(65)同一申请的已公布的文献号(73)专利权人中国人民解放军国防科技大学地址410073湖南省长沙市开福区德雅路109号(72)发明人杨希张森郭晓威唐滔仲彦旭张琢杨灿群(74)专利代理机构长沙国科天河知识产权代理有限公司43225专利代理师唐品利审查员章子衡(54)发明名称循环迭代执行直至最终仿真时间，输出多介质流体相互作用数值模拟结果本发明涉及多介质流体相互作用的状态预测系统、方法及设备，通过将多介质黎曼求解的控制方程以及约束条件嵌入神经网络的损失函数和结构中，完成物理约束下的深度学习建模，实现基于PINNs的多介质精确黎曼求解器，以通过物理信息神经网络训练学习输入变量与输出变量之间的映射关系，并使输出结果严格遵守黎曼问题所规定的物理约束，降低解的空间维度而加快收敛，最终在欧拉框架下，实现了复杂工程案例的多介质相互作用的数值模拟，能够稳定且准确的求解多介质黎曼问题，预测多介质相互作21.一种多介质流体相互作用的状态预测方法，其特征在于，包括步骤：采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量；采用延拓方程根据所述界面法向量进行首次法向延拓；在界面法向构造局部多介质黎曼问题；利用构建的多介质精确黎曼求解器求解所述局部多介质黎曼问题，预测所述局部多介质黎曼问题的星区状态解的输出向量，星区状态作为多介质界面处相互作用后的状态；所述多介质精确黎曼求解器的输入向量包括所述局部多介质黎曼问题的所有初始变量，所述多介质精确黎曼求解器的输出向量包括左行波速度、右行波速度、星区速度、星区压强与接触间断两侧的密度，所述多介质精确黎曼求解器为全连接神经网络架构并采用L-BFGS优化策略最小化设定物理信息损失函数进行优化求解；对所述多介质精确黎曼求解器的输出向量进行二次法向延拓；二次法向延拓后采用高阶方法对控制方程进行时空离散求解；其中，采用四阶WENO重构进行空间计算并采用三阶TVD龙格-库塔格式进行时间推进；根据时空离散求解计算后的流场结果推进多介质界面，并进行周期性重初始化以保持符号距离特性；返回所述采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量的步骤，循环迭代执行直至最终仿真时间，输出多介质流体相互作用数值模拟结果。2.根据权利要求1所述的多介质流体相互作用的状态预测方法，其特征在于，所述多介质精确黎曼求解器的硬约束条件包括：u=Sz+Sofiplus(·),SR=u*+Softplus()p=Softplus(·),Pi=Softplus(),PR=SofPR表示接触间断两侧的密度，Softplus(·)是一个光滑且严格为正的激活函数。3.根据权利要求1或2所述的多介质流体相互作用的状态预测方法，其特征在于，所述多介质精确黎曼求解器的设定物理信息损失函数为：其中，S-S组合表示激波-激波组合，S-R组合表示激波-稀疏波组合，R-S组合表示稀疏波-激波组合，R-R组合表示稀疏波-稀疏波组合，C表示左波的激波损失，C表示左波的稀疏波损失，表示右波的激波损失，贤表示右波的稀疏波损失，₃∈{0,1}为二元加权系数。4.一种多介质流体相互作用的状态预测系统，其特征在于，包括：界面计算模块，用于采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量；首次延拓模块，用于采用延拓方程根据所述界面法向量进行首次法向延拓；黎曼构造模块，用于在界面法向构造局部多介质黎曼问题；3求解预测模块，用于利用构建的多介质精确黎曼求解器求解所述局部多介质黎曼问题，预测所述局部多介质黎曼问题的星区状态解的输出向量，星区状态作为多介质界面处相互作用后的状态；所述多介质精确黎曼求解器的输入向量包括所述局部多介质黎曼问题的所有初始变量，所述多介质精确黎曼求解器的输出向量包括左行波速度、右行波速度、星区速度、星区压强与接触间断两侧的密度，所述多介质精确黎曼求解器为全连接神经网络架构并采用L-BFGS优化策略最小化设定物理信息损失函数进行优化求解；二次延拓模块，用于对所述多介质精确黎曼求解器的输出向量进行二次法向延拓；重构进行空间计算并采用三阶TVD龙格-库塔格式进行时间推进；界面更新模块，用于根据时空离散求解计算后的流场结果推进多介质界面，并进行周期性重初始化以保持符号距离特性；迭代输出模块，用于跳转所述界面计算模块，循环迭代执行直至最终仿真时间，输出多介质流体相互作用数值模拟结果。5.根据权利要求4所述的多介质流体相互作用的状态预测系统，其特征在于，所述多介质精确黎曼求解器的硬约束条件包括：u=S₁+Softplus(·),SR=u+Softplus()p=Softplus(·),Pi=Softplus(·),PR=SoPR表示接触间断两侧的密度，Softplus(·)是一个光滑且严格为正的激活函数。6.根据权利要求4或5所述的多介质流体相互作用的状态预测系统，其特征在于，所述多介质精确黎曼求解器的设定物理信息损失函数为：其中，S-S组合表示激波-激波组合，S-R组合表示激波-稀疏波组合，R-S组合表示稀疏波-激波组合，R-R组合表示稀疏波-稀疏波组合，C表示左波的激波损失，上表示左波的稀7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的多介质流体相互作用的状态预测方法的步骤。4技术领域[0001]本发明属于流体状态预测技术领域，涉及一种多介质流体相互作用的状态预测系背景技术[0002]在高速瞬态流体动力学领域，特别是在冲击波传播、极端载荷作用下界面失稳演化等复杂非平衡态流动中，多介质耦合问题研究具有重要科学价值与工程应用意义，其核心挑战在于介质界面运动学特征的高精度描述，这直接制约着界面不稳定性发展及多相流场演化。研究表明，基于双曲守恒律体系构建的多介质黎曼求解器能够通过精确刻画界面处的耦合作用机制，有效提升跨介质边界的质量、动量及能量输运过程的数值保真度。[0003]多介质黎曼求解器常与数值方法结合构建界面模型，既可用于计算材料界面的数值通量，也可直接定义虚拟流体方法(即GhostFluidMethod,GFM)中的界面条件。基于黎适用于界面处大接触间断、强压力突跳等挑战性问题场景，包括激波-气泡相互作用、界面[0004]近年来，物理信息神经网络(即Physics-InformedNeuralNetworks,PINNs)为物理问题求解提供了新范式，其将物理规律嵌入神经网络训练过程，实现了复杂偏微分方程的高效求解，已成功应用于不可压流动、声速流动及传热问题等多个领域。PINNs的发展为多介质黎曼问题求解带来了新机遇。有研究员提出基于学习的FluxNets黎曼求解器，用于Godunov格式的界面通量计算，研究了非理想热力学状态下的跨临界/超临界流动。还有人提出物理约束神经网络模型求解多介质黎曼问题的界面速度，结合PGFM方法验证了其在可压缩双气体流动中的应用。随后，还有人提出无需标签数据的无监督PCNN-RS方法，通过代理模型预测界面压力并推导其他界面状态，应用于GFM类方法实现了多介质界面演化模拟。基于此，如何精确求解涉及复杂状态方程的多介质黎曼问题，以获得多介质流体相互作用的精确状态预测成为了待解决的技术问题之一。发明内容[0005]针对上述传统技术中存在的问题，本发明提出了一种多介质流体相互作用的状态预测方法、一种多介质流体相互作用的状态预测系统以及一种计算机设备，能够精确求解涉及复杂状态方程的多介质黎曼问题，获得多介质流体相互作用的精确状态预测。[0006]为了实现上述目的，本发明实施例采用以下技术方案：[0007]一方面，提供一种多介质流体相互作用的状态预测方法，包括步骤：[0008]采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量；[0009]采用延拓方程根据界面法向量进行首次法向延拓；[0010]在界面法向构造局部多介质黎曼问题；[0011]利用构建的多介质精确黎曼求解器求解局部多介质黎曼问题，预测局部多介质黎5曼问题的星区状态解的输出向量，星区状态作为多介质界面处相互作用后的状态；多介质精确黎曼求解器的输入向量包括局部多介质黎曼问题的所有初始变量，多介质精确黎曼求解器的输出向量包括左行波速度、右行波速度、星区速度、星区压强与接触间断两侧的密度，多介质精确黎曼求解器为全连接神经网络架构并采用L-BFGS优化策略最小化设定物理信息损失函数进行优化求解；[0012]对多介质精确黎曼求解器的输出向量进行二次法向延拓；[0013]二次法向延拓后采用高阶方法对控制方程进行时空离散求解；其中，采用四阶WENO重构进行空间计算并采用三阶TVD龙格-库塔格式进行时间推进；[0014]根据计算后的流场结果推进多介质界面，并进行周期性重初始化以保持符号距离[0015]返回上述采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量的步骤，循环迭代执行直至最终仿真时间，输出多介质流体相互作用数值模拟结[0017]界面计算模块，用于采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量；[0018]首次延拓模块，用于采用延拓方程根据界面法向量进行首次法向延拓；[0019]黎曼构造模块，用于在界面法向构造局部多介质黎曼问题；[0020]求解预测模块，用于利用构建的多介质精确黎曼求解器求解局部多介质黎曼问题，预测局部多介质黎曼问题的星区状态解的输出向量，星区状态作为多介质界面处相互作用后的状态；多介质精确黎曼求解器的输入向量包括局部多介质黎曼问题的所有初始变量，多介质精确黎曼求解器的输出向量包括左行波速度、右行波速度、星区速度、星区压强与接触间断两侧的密度，多介质精确黎曼求解器为全连接神经网络架构并采用L-BFGS优化策略最小化设定物理信息损失函数进行优化求解；[0021]二次延拓模块，用于对多介质精确黎曼求解器的输出向量进行二次法向延拓；[0022]流场推进模块，用于采用高阶方法对控制方程进行时空离散求解；其中，采用四阶[0023]界面更新模块，用于根据时空离散求解计算后的流场结果推进多介质界面，并进行周期性重初始化以保持符号距离特性；[0024]迭代输出模块，用于跳转上述界面计算模块，循环迭代执行直至最终仿真时间，输出多介质流体相互作用数值模拟结果。[0025]又一方面，还提供一种计算机设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述多介质流体相互作用的状态预测方法的步骤。[0026]上述技术方案中的一个技术方案具有如下优点和有益效果：[0027]上述多介质流体相互作用的状态预测系统、方法及设备，通过将多介质黎曼求解的控制方程以及约束条件嵌入神经网络的损失函数和结构中，完成物理约束下的深度学习建模，实现基于PINNs的多介质精确黎曼求解器，以通过物理信息神经网络训练学习输入变量与输出变量之间的映射关系，并使输出结果严格遵守黎曼问题所规定的物理约束，降低6解的空间维度而加快收敛，最终在欧拉框架下，实现了复杂工程案例的多介质相互作用的数值模拟，能够稳定且准确的求解多介质黎曼问题，预测多介质相互作用后的状态，预测精度更高且适用于具有复杂状态方程的介质。附图说明[0028]为了更清楚地说明本发明实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0029]图1为一个实施例中多介质流体相互作用的状态预测方法的流程示意图；[0030]图2为一个实施例中欧拉框架下多介质相互作用的计算过程示意图；[0031]图3为一个实施例中多介质黎曼问题中的波系结构示意图，图3(a)为熵条件，图3(b)为激波熵增，图3(c)为稀疏波解，图3(d)为接触间断条件；[0032]图4为一个实施例中多介质精确黎曼求解器的计算框架示意图；[0033]图5为一个实施例中多介质流体相互作用的状态预测系统的模块框图。具体实施方式[0034]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本发明，并不用于限定本发明。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员可以理解，本文所描述的实施例可以与其它实施例相结合。在本发明的说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所[0036]下面将结合本发明实施例中的附图，对本发明实施方式进行详细说明。[0037]传统黎曼求解方法在求解多介质黎曼问题时面临显著挑战，其理论计算需针对不同情形进行专门分析推导，当涉及复杂状态方程或物理机制时无法有效解决问题。近似黎曼求解器通过将问题简化，在舍弃精度的情况下提高求解效率，由于精度低而影响整体模拟的计算误差。精确黎曼求解器的核心目标是提供有效的多介质耦合系统物理约束，但其[0038]而现有基于PINNs的黎曼求解器的研究仅针对气体等简单EOS(状态方程),对液体等复杂EOS适用性不足，且代理模型依赖真实解/数值解，或随机采样训练，实际应用受限。此外，模型误差可能会积累并向问题的解传播，复杂问题的求解精度与稳定性仍有待提高。[0039]在一个实施例中，如图1所示，提供一种多介质流体相互作用的状态预测方法，可以包括以下步骤S10至S24:7[0040]S10,采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量；阶WENO重构进行空间计算并采用三阶TVD龙格-库塔格式进行时间推进；使用四阶WENO(WeightedEssentiallyNon-Oscz表示空间坐标。量n=Vφ/|▽|和曲率k=V·n。8[0062]所有构造的黎曼问题的初始原始变量构成多介质精确黎曼求解器的界条件。[0063]步骤4:二次法向延拓与流场推进。对步骤3所得的黎曼解进行二次法向延拓以填于PINNs的多介质精确黎曼求解器，以通过物理信息神经网络训练学习输入变量与输出变9[0076]材料模型包含状态方程(EOS)和声速的计算，这些是封闭欧拉方程组和确定流体p=(y-1)pe波相互作用的解由熵条件决定如图3(a)所示，其中Lax熵条件用于验证激波的物理可接受[0100]其中，W=(p,u,p)为原始变量，其右上角标表示转置，r(W)为对应特征速度[0102]如图3(c)所示，将方程沿特征方向从初始状态W₀积分至中间状态w*,可得稀疏波[0104]积分域从初始特征速度o=2(W₀)=S₀延伸至终止特征速度5*=2([0107]关于上述基于PINNs的多介质精确黎曼求解器(PINN-MERS):物理信息神经网络说明书提出了基于PINNs的多介质精确黎曼求解器(PINN-MERS),用于求解多介质黎曼问题。11[0114]针对多介质黎曼问题，输入向量结合左右初始原始变量：[0117]星区变量需满足接触间断条件：[0121]其中，SI和SR分别表示左行波和右行波速度，u*和p为星区速度与压强，P1和pR表示接触间断两侧的密度。[0122]在一个实施例中，关于多介质精确黎曼求解器的硬约束条件的介绍如下：多介质精确黎曼求解器PINN-MERS中硬约束条件的实现旨在满足两个关键需求：保持物理一致性以消除模型偏差导致的非物理解，以及严格满足仅靠损失函数惩罚项无法充分限制的强物理约束条件。该约束实施策略通过降低模型的有效自由度来减少优化复杂度，同时缓解损失函数中多目标冲突，从而加速收敛并增强黎曼问题解的鲁棒性。[0123]具体的，在多介质黎曼问题中，物理约束来源于界面条件和热力学容许性。接触间断处压力与速度连续的条件通过共享输出向量元素进行强制实施。波传播需要严格遵守速度排序Sz<u<SR和正性约束(p*>0、PL>0且PR>0)。约束的实施策略结合了：[0126]速度约束通过链式变换实施：中间速度u*构造为SL加上Softplus激活产生的正偏移量，而SR随后定义为u*加上另一个Softplus生成的正偏移量。这种级联结构通过单调函数组合保证了严格不等式S₂<u*<SR。热力学变量采用类似处理，压力p”、密度p1和pR分别经过独立的Softplus变换以确保正性。完整的约束实施机制保持了基于梯度优化的可微性，同时严格遵守黎曼问题物理规律决定的约束条件。[0127]在一个实施例中，关于多介质精确黎曼求解器的设定物理信息损失函数：作为纯无监督学习框架，多介质精确黎曼求解器PINN-MERS的损失函数完全来源于黎曼问题控制方程导出的物理约束。[0128]具体的，解的波系结构由初始状态决定，产生四种左/右波型组合：激波-激波(S-S)、激波-稀疏波(S-R)、稀疏波-激波(R-S)、稀疏波-稀疏波(R-R)。每种组合需要损失函数中特定的物理约束，波型在每次训练迭代前通过熵条件分析确定。[0129]设定物理信息损失函数是一个复合损失函数，其通过工况依赖组合左/右波贡献：[0131]其中，S-S组合表示激波-激波组合，S-R组合表示激波-稀疏波组合，R-S组合表示稀疏波-激波组合，R-R组合表示稀疏波-稀疏波组合，C表示左波的激波损失，C怪表示左波的稀疏波损失，R表示右波的激波损失，贤表示右波的稀疏波损失。Qj∈{0.1为二元加权系[0135]对于由积分形式控制的稀疏波，其损失项构造为：[0137]路径积分采用四阶龙格-库塔方法进行数值近似，积分步长为△ξ=(*-5其中，根据经验确定n=20可以更好地平衡计算精度与效率。[0138]训练过程是在无标签数据情况下，最小化该物理信息损失函数，采用L-BFGS优化策略，通过反向传播计算梯度来更新网络参数。[0139]关于上述步骤S18,其数值离散格式具体如下：采用有限差分法求解基本控制方程(欧拉方程),具体使用四阶WENO格式进行空间离散，三阶TVD龙格-库塔格式进行时间推进。[0142]其中，D(U)表示作用于守恒变量U的空间离散算子。[0143]四阶WENO格式通过低阶多项式凸组合重构单元界面通量，组合权重基于各模板解的光滑度确定，对含间断模板赋予较小权重。一维情况下，四阶WENO格式的空间离散算子值),最大值在所有网格点上计算以保证全局满足条件。[0149]上述预测方案，通过将多介质黎曼求解的控制方程以及约束条件嵌入神经网络的损失函数和结构中，完成物理约束下的深度学习建模，实现基于PINNs的多介质精确黎曼求解器(PINN-MERS)。输入初始状态的原始变量值[PL,UL,PL,PR,uR,PR],输出星区状态的变量值[S,SR,u,p,PL,PR],多介质精确黎曼求解器的本质是通过物理信息神经网络训练学习输入变量与输出变量之间的映射关系。通过在神经网络中引入硬约束，使输出结果严格遵守黎曼问题所规定的物理约束，降低解的空间维度加快收敛。在欧拉框架下，通过将改进的虚拟流体方法(MGFM)与PINN-MERS结合，实现了复杂工程案例的多介质相互作用的精确数值模拟。[0150]上述多介质精确黎曼求解器能够稳定且准确的求解多介质黎曼问题，预测多介质相互作用后的状态。与传统近似黎曼求解器相比，本说明书提出的多介质精确黎曼求解器的精度更高，更加稳定，不会出现不收敛的情况，始终能够给出相对准确的预测结果输出，适用于具有复杂状态方程的介质。[0151]在一些实施方式中，本实验示例为了验证上述所提出的方法的有效性，采用一维激波管问题进行实验。实验涉及多种介质，包括气体和急速膨胀物，其中不同介质对应的材[0152]实验设置了4个案例，对应的左右侧介质以及初始原始变量的值如表1所示，密度、条件，使得对应的波系结构分别为R-R和S-S.TC3和TC4左右两侧为不同介质。表2显示了传的计算结果误差更小，精度更高。而随着状态方程越来越复杂，误差也越来越大，但精度始案例左侧介质密度速度压力右侧介质密度速度压力气体12气体111气体1111气体11工气体10气体2101气体110急速膨胀物0表2案例密度速度压力波速误差密度速度0000压力波速误差密度速度压力波速误差密度速度压力波速误差[0157]应该理解的是，虽然上述流程图1中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且上述流程图1的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地[0158]在一个实施例中，如图5所示，提供一种多介质流体相互作用的状态预测系统100,包括界面计算模块11、首次延拓模块13、黎曼构造模块15、求解预测模块17、二次延拓模块19、流场推进模块21、界面更新模块23和迭代输出模块25。其中，界面计算模块11用于采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量。首次延拓模块13用于采用延拓方程根据界面法向量进行首次法向延拓。黎曼构造模块15用于在界面法向构造局部多介质黎曼问题。求解预测模块17用于利用构建的多介质精确黎曼求解器求解局部多介质黎曼问题，预测局部多介质黎曼问题的星区状态解的输出向量，星区状态作为多介质界面处相互作用后的状态；多介质精确黎曼求解器的输入向量包括局部多介质黎曼问题的所有初始变量，多介质精确黎曼求解器的输出向量包括左行波速度、右行波速度、星区速度、星区压强与接触间断两侧的密度，多介质精确黎曼求解器为全连接神经网络架构并采用L-BFGS优化策略最小化设定物理信息损失函数进行优化求解。二次延拓模块19用于对多介质精确黎曼求解器的输出向量进行二次法向延拓；流场推进模块21用于采用高阶方法对控制方程进行时空离散求解；其中，采用四阶WENO重构进行空间计算并采用三阶TVD龙格-库塔格式进行时间推进。界面更新模块23用于根据时空离散求解计算后的流场结果推进多介质界面，并进行周期性重初始化以保持符号距离特性。迭代输出模块25用于跳转所述界面计算模块，循环迭代执行直至最终仿真时间，输出多介质流体相互作用数值模拟结[0159]上述多介质流体相互作用的状态预测系统100,通过将多介质黎曼求解的控制方程以及约束条件嵌入神经网络的损失函数和结构中，完成物理约束下的深度学习建模，实现基于PINNs的多介质精确黎曼求解器，以通过物理信息神经网络训练学习输入变量与输出变量之间的映射关系，并使输出结果严格遵守黎曼问题所规定的物理约束，降低解的空间维度而加快收敛，最终在欧拉框架下，实现了复杂工程案例的多介质相互作用的数值模拟，能够稳定且准确的求解多介质黎曼问题，预测多介质相互作用后的状态，预测精度更高且适用于具有复杂状态方程的介质。[0160]在一个实施例中，多介质精确黎曼求解器的硬约束条件包括：u=S₁+Softplus(),SR=u*+Softplus(·)[0161]p=Softplus()Pi和PR表示接触间断两侧的密度，Softplus(·)是一个光滑且严格为正的激活函数。[0163]在一个实施例中，多介质精确黎曼求解器的设定物理信息损失函数为：[0165]其中，S-S组合表示激波-激波组合，S-R组合表示激波-稀疏波组合，R-S组合表示稀疏波-激波组合，R-R组合表示稀疏波-稀疏波组合，表示左波的激波损失，怪表示左波的稀疏波损失，表示右波的激波损失，表示右波的稀疏波损失，Q∈{0,1}为二元加权系[0166]关于上述多介质流体相互作用的状态预测系统100的具体限定，可以参见上文中多介质流体相互作用的状态预测方法的相应限定，在此不再赘述。[0167]在一个实施例中，还提供一种计算机设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，处理器执行计算机程序时实现如下处理步骤：采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量；采用延拓方程根据界面法向量进行首次法向延拓；在界面法向构造局部多介质黎曼问题；利用构建的多介质精确黎曼求解器求解局部多介质黎曼问题，预测局部多介质黎曼问题的星区状态解的输出向量，星区状态作为多介质界面处相互作用后的状态；多介质精确黎曼求解器的输入向量包括局部多介质黎曼问题的所有初始变量，多介质精确黎曼求解器的输出向量包括左行波速度、右行波速度、星区速度、星区压强与接触间断两侧的密度，多介质精确黎曼求解器为全连接神经网络架构并采用L-BFGS优化策略最小化设定物理信息损失函数进行优化求解；对多介质精确黎曼求解器的输出向量进行二次法向延拓；二次法向延拓后采用高阶方法对控制方程进行时空离散求解；其中，采用四阶WENO重构进行空间计算并采用三阶TVD龙格-库塔格式进行时间推进；根据计算后的流场结果推进多介质界面，并进行周期性重初始化以保持符号距离特性；返回上述采用水平集函数追踪并捕捉多介质流体的物质界面位置并计算得到界面法向量的步骤，循环迭代执行直至最终仿真时间，输出多介质流体相互作用数值模拟结果。[0168]在一个实施例中，