数据集

TFRD 数据集由基于FEniCS的数据生成器生成，已上传百度网盘（密码：tfrd）。

TFRD 数据集描述热源系统区域为$0.1m \times 0.1m$的矩形，且离散化为$200 \times 200$的网格。数据集共提供 HSink、ADlet 和 DSine 三个子数据集。每个子数据集含有 10000 训练样本，20000 测试样本（Test 0 为随机测试样本，Test 1, 2, 3, 4, 5 为特殊测试样本）:

Generality

三种典型热源系统（HSink，ADlet，DSine）
Reasonability

TFRD 数据库设计合理（10000 训练样本，20000 包含 6 中不同情况的数据集）
Diversity

边界条件和组件多样性且提供多样性评价准则

HSink 子数据集

带有小孔散热片的热源系统，散热器的宽度设置为 0.01m，恒温值为 298K （Dirichlet 边界），其他边界是绝热的（Neumann 边界）


Training Sample	Training Sample


Test 0	Test 1	Test 2

Test 3	Test 4	Test 5

ADlet 子数据集

四周散热的热源系统，三边恒温为 298K，一边为正弦分布散热


Training Sample	Training Sample


Test 0	Test 1	Test 2

Test 3	Test 4	Test 5

DSine 子数据集

单边散热的热源系统，散热边为正弦分布散热，其他边界是绝热的（Neumann 边界）


Training Sample	Training Sample


Test 0	Test 1	Test 2

Test 3	Test 4	Test 5

数据说明

样本采用.mat 格式存储

Example*.mat

'u'：{ndarray:200,200}，温度场数据，取值范围298-
'F'：{ndarray:200,200}，热源系统组件布局信息，取值范围0-30000
'u_obs'：{ndarray: 200 , 200 }，热源系统监测点温度数据，取值范围298-
'u_pos'：{ndarray: 200 , 200 }，热源系统监测点位置信息，取值为0和1，1为监测点，0为非监测点
'xs'，'ys'，'zs'：{ndarray: 200 , 200 }，温度点x轴、y轴和z轴坐标数据，取值范围0-0.1

评价准则

平均绝对误差（MAE）

预测温度场绝对误差的平均值

${E_{MAE} } = \frac{1}{ {\left| \Omega \right|} }\sum\limits_{({x_i},{y_j}) \in \Omega } {\left| {T({x_i},{y_j}) - T'({x_i},{y_j})} \right|}$

绝对误差最大值（MaxAE）

预测温度场的最大绝对误差

${E_{MaxAE} } = \mathop {\max }\limits_{({x_i},{y_j}) \in \Omega } \left| {T({x_i},{y_j}) - T'({x_i},{y_j})} \right|$

组件区域平均绝对误差（CMAE）

热源组件上温度绝对误差的平均值

${E_{CMAE} } = \frac{1}{ {\left| { {\Omega _c} } \right|} }\sum\limits_{({x_i},{y_j}) \in {\Omega _c} } {\left| {T({x_i},{y_j}) - T'({x_i},{y_j})} \right|}$

组件区域绝对误差最大值（MCAE）

热源组件上温度绝对误差的最大值

${E_{CMAE} } = \mathop {\max }\limits_{({x_i},{y_j}) \in {\Omega _c} } \left| {T({x_i},{y_j}) - T'({x_i},{y_j})} \right|$

边界平均绝对误差（BMAE）

边界上温度绝对误差的平均值

${E_{BMAE} } = \frac{1}{ {\left| { {\Omega _b} } \right|} }\sum\limits_{({x_i},{y_j}) \in {\Omega _b} } {\left| {T({x_i},{y_j}) - T'({x_i},{y_j})} \right|}$