弯管作为关键水力结构，其运行安全与水力性能对整个工程调度具有重要影响。弯管内部流动过程复杂，存在明显的非线性和不稳定性特征，传统试验方法能提供准确的流场数据，但其周期长、成本高，难以覆盖多工况。计算流体力学（CFD）模拟虽然精度较高，但计算成本呈指数增长。因此，提出多注意力增强物理感知网络（MAPNet）

基于改进多层感知器架构，通过注意力模块动态捕捉90°弯管内流场特征。结果表明，MAPNet模型在训练集、验证集、测试集中相关系数R

2

值均接近于0.99

均方根误差R

RMSE

值均低于0.1 m/s

综合表现优于随机森林、支持向量回归、多层感知器和卷积神经网络算法。在基本保持CFD模拟精度的前提下，大幅度提升了预测效率，为水利工程内部流动场模拟提供了新路径。