from scipy.io import loadmat
import numpy as np
import matplotlib.pyplot as plt
from scipy.io import loadmat
import numpy as np
from scipy.interpolate import griddata
# 加载.mat文件
fdm_data = loadmat('0.8miao.mat')
pinn_data = loadmat('u_pred_8.mat')
# 确保键名匹配.mat文件中的变量名
fdm_x = fdm_data['x_shuzu_800'] # 假设这是正确的键名
fdm_y = fdm_data['y_shuzu_800'] # 假设这是正确的键名
fdm_u = fdm_data['u_shuzu_800'] # 假设这是正确的键名
# 假设'u_pred_3'键名下存储了PINN的解
pinn_u = pinn_data['u_pred_8'] # 替换为正确的键名
# 创建用于插值的点
fdm_grid = np.column_stack((fdm_x.flatten(), fdm_y.flatten()))
# 使用griddata进行插值,假设PINN的X和Y坐标与FDM相同
pinn_values_on_fdm_grid = griddata(
points=fdm_grid, # 使用相同的坐标点作为源和目标
values=pinn_u.flatten(), # PINN数据点的解
xi=fdm_grid, # 目标网格点
method='linear' # 插值方法
)
# 计算误差
errors = np.abs(fdm_u.flatten() - pinn_values_on_fdm_grid)
mse = np.mean(errors**2)
print(f'平均平方误差 (MSE): {mse}')
# 绘制误差图
n_x, n_y = len(np.unique(fdm_x)), len(np.unique(fdm_y))
errors_grid = errors.reshape((n_x, n_y))
plt.figure(figsize=(10, 8))
plt.contourf(np.unique(fdm_x), np.unique(fdm_y), errors_grid, levels=100, cmap='jet')
plt.colorbar(label='Error magnitude')
plt.title('Error between FDM and PINN Solutions')
plt.xlabel('X coordinate')
plt.ylabel('Y coordinate')
plt.show()
# 设置matplotlib支持中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
# 加载.mat文件
fdm_data = loadmat('0.5miao.mat') # 请确保文件路径正确
pinn_data = loadmat('u_pred_5.mat') # 请确保文件路径正确
# 提取u的值
fdm_u = fdm_data['u_shuzu_500'] # 请确保键名正确
pinn_u = pinn_data['u_pred_5'] # 请确保键名正确
# 创建网格的x和y坐标值
x_vals = np.repeat(np.arange(0, 101), 101) # x值从0重复到100,每个x值重复101次
y_vals = np.tile(np.arange(0, 101), 101) # y值从0到100,重复101遍
# 假设pinn_u是按照x和y的顺序展平的
pinn_u_flat = pinn_u.flatten()
# 合并x, y和u值为一个数组
pinn_data_reshaped = np.column_stack((x_vals, y_vals, pinn_u_flat))
# 筛选出x=50对应的所有行,即x=50时的y和u值
data_at_x_50 = pinn_data_reshaped[pinn_data_reshaped[:, 0] == 50]
# 提取y和u值用于绘图
y_at_x_50 = data_at_x_50[:, 1]
u_at_x_50 = data_at_x_50[:, 2]
# 加载FDM数据用于比较
# 假设fdm_data已经加载,且fdm_u = fdm_data['u_shuzu_500']
# 确定x=300对应于FDM数据中的索引,这里使用50作为示例
fdm_data_reshaped=fdm_u.reshape((101, 101))
fdm_u_at_x_300 = fdm_data_reshaped[:, 50]
# 绘制比较图
plt.figure(figsize=(10, 6))
plt.plot(y_at_x_50, u_at_x_50, label='PINN 模型', linestyle='-')
plt.plot(np.linspace(0.0, 100, 101), fdm_u_at_x_300, label='FDM 模型', linestyle='--')
plt.title('Y-U 曲线在 X=300 处')
plt.xlabel('Y')
plt.ylabel('U')
plt.legend()
plt.grid(True)
plt.show()
单个导出FDM与PINN截面线对比
于 2024-03-08 17:52:39 首次发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)