1.一种流场预测方法，其特征在于，包括：采集不同翼型和不同流动条件下的样本数据；对所述样本数据进行预处理；将预处理后的数据输入至神经网络进行预测，得到预测结果；所述神经网络为多头深度卷积神经网络，所述多头深度卷积神经网络包括一个及以上的编码器、解码器与分配器；所述编码器用于提取流场特征，所述解码器用于生成预测结果，所述分配器用于为各所述编码器分配相应的权重；所述权重用于适应物理量的不同数据分布；对所述预测结果使用物理求解器进行迭代细化，得到符合收敛约束的流场预测结果。
2.根据权利要求1所述的流场预测方法，其特征在于，所述对所述样本数据进行预处理包括：对所述样本数据采用归一化处理执行无量纲化操作。
3.根据权利要求1所述的流场预测方法，其特征在于，所述编码器至少包含一个编码块；所述编码块用于逐渐减少所述数据的图像大小并通过卷积和池化操作提取流场特征；每个所述编码块包含多个主编码分支，用于并行提取流场特征；每个所述主编码分支下包含多个子编码分支，每个所述主编码分支和所述子编码分支均至少包含一个特征提取模块；所述特征提取模块包括卷积层或最大池化层；所述卷积层的卷积核大小为N×N，其中N为大于等于1的整数；在预处理后的所述数据输入至所述编码器后，其中的每个所述编码块将多个所述主编码分支各自对应的编码结果按通道连接并送入激活函数层。
4.根据权利要求1所述的流场预测方法，其特征在于，所述解码器至少包含一个解码块；所述解码块用于重构流场特征；每个所述解码块包含多个主解码分支，用于并行重构流场信息；每个所述主解码分支下包含多个子解码分支，每个所述主解码分支和所述子解码分支均至少包含一个上采样模块；所述上采样模块包括转置卷积层或插值层；对于所述转置卷积层，卷积核大小为N×N，其中N为大于等于1的整数；所述数据通过所述解码块中的多个所述主解码分支后，各个结果按通道连接并送入激活函数层。
5.根据权利要求1所述的流场预测方法，其特征在于，所述对所述预测结果使用物理求解器进行迭代细化包括：将所述预测结果输入到OpenFOAM，设定收敛约束定义为速度、压力和修正涡流粘度的残差标准均减小至1e-5；当满足所述残差标准时，停止所述OpenFOAM的迭代计算。
6.根据权利要求1所述的流场预测方法，其特征在于，所述采集不同翼型和不同流动条件下的样本数据包括：确定采样区域；在所述采样区域内，沿坐标轴方向上以预设间隔进行均匀采样，确定每个采样点处的四个物理量值；所述物理量包括： 轴方向上的速度分量、 轴方向上的速度分量、压力和修正的涡流粘度；将四个所述物理量值作为四个通道进行连接，得到真实图像。
7.根据权利要求1所述的流场预测方法，其特征在于，所述将预处理后的数据输入至神经网络进行预测，得到预测结果时，还包括：基于结构相似度公式确定预测图像和目标图像的结构相似度；基于所述结构相似度构建混合损失函数；所述混合损失函数用于评估预测精度；所述结构相似度公式为： ；其中，SSIM为结构相似度， 和 分别表示预测流场和目标流场中物理量的平均值； 表示预测流场和目标流场中物理量的协方差； 和 分别表示所述预测流场和所述目标流场中物理量的标准差； 和 为常数。
8.一种流场预测系统，其特征在于，包括：数据采集模块，用于采集不同翼型和不同流动条件下的样本数据；数据预处理模块，用于对所述样本数据进行预处理；数据预测模块，用于将预处理后的数据输入至神经网络进行预测，得到预测结果；所述神经网络为多头深度卷积神经网络，所述多头深度卷积神经网络包括一个及以上的编码器、解码器与分配器；所述编码器用于提取流场特征，所述解码器用于生成预测结果，所述分配器用于为各所述编码器分配相应的权重；所述权重用于适应物理量的不同数据分布；预测结果优化模块，用于对所述预测结果使用物理求解器进行迭代细化，得到符合收敛约束的流场预测结果。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的方法的步骤。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如权利要求1-7任一项所述的方法的步骤。
