摘要：高精度高分辨率数值格式是模拟高速含激波复杂流动最有效的计算方法之一,而其中对于激波等间断结构的捕捉和辨识,是设计鲁棒的高精度高分辨率数值格式的关键问题之一。借助先验的数理知识及人工神经网络(artificial neural network,ANN)方法,构造了一种改进型内嵌“特征压缩”机制的智能间断指示器,以提高高精度格式框架下间断捕捉的精准度。该间断指示器模型是通过借助先验的数学物理知识进行预建模,然后借助数据驱动方法学习模型中的待定参数而得到。这使得间断指示器模型形式简洁,在训练过程中具有小样本依赖的优势,还使训练后的模型具备计算复杂度低、数理可解释等优秀性质,且其一维形式可以自然地推广到高维非结构网格下的方程组中。已证明该间断指示器模型包含两种间断捕捉机制,即基于特征压缩的激波捕捉机制和基于大梯度跳跃的膨胀波起点、接触间断捕捉机制。一系列数值实验结果验证了所构造的间断指示器对于流场不同间断类型的捕捉精准性。