显著波高预测中单变量深度学习的极限新

提出改进FNO通过时间增量预测建模二维Rayleigh-Bénard对流，实现314k参数、7ms推理的高效模型，揭示训练数据分辨率对泛化精度的限制。

提出PIRNN方法，通过在训练阶段引入历史数据的物理知识，提升物理过程时间序列预测的可解释性和准确性。

提出CFD-ML集成框架优化超音速真空管道运输Pod几何，基于拉丁超立方采样和贝塞尔曲线参数化实现气动性能设计。

提出 TM4FF 物理约束算子学习框架，融合 Transformer 注意力机制与 Mamba 状态空间模型，实现流场高精度预测与去噪。

提出Runge-Kutta对齐的振荡消除DG框架，修复非线性稳定化对超收敛分析误差结构的破坏，为含激波捕捉的全离散DG格式建立理论基础。