为解决传统的叶栅损失经验模型在构建过程中对于强非线性函数关系总结能力不足,导致其适用局限性、可修正性不好等问题。在一般端到端人工神经网络的基础上,进一步发展了物理嵌入神经网络方法,通过将叶栅表面压力分布引入神经网络建立叶栅损失模型,对叶栅压力分布和性能进行预测。经验证,相对于经验模型,端到端神经网络模型总体损失预测误差降低22.3%,物理嵌入神经网络模型总体损失预测误差下降37.9%。