本文介绍了一种结合模型驱动与数据驱动方法的光流场修复技术，利用深度学习和偏微分方程实现高效的数据重建，效果优于传统方法。此外，研究还探讨了湍流数据重建、超分辨率分析及流体数据补全等领域，展示了机器学习在流体力学中的应用潜力。