一种基于LSTM神经网络建模的时域电磁正演方法

针对传统计算电磁学在求解时域电磁散射特性时耗时较长的问题,该文提出了一种基于长短时记忆(LSTM)神经网络的时域电磁正演算法,以快速准确地求解时域电磁散射特性。首先,利用时域有限差分(FDTD)方法生成样本数据;然后,搭建一个适用于本问题的LSTM神经网络模型,将一部分样本作为训练数据输入到该LSTM神经网络中,另一部分作为测试数据来验证基于LSTM神经网络的电磁正演模型的可靠性。经过验证,基于LSTM神经网络的时域电磁正演建模方法与传统的FDTD方法相比,在保证足够精确度的前提下(平均相对误差低于2%),计算速度提高了1 809倍。实验结果表明,基于LSTM神经网络的时域电磁正演模型算法能够对不同形状、不同相对介电常数的散射体在不同位置时的电场做出正确的预测,并且计算速度显著提高。