提出了一种基于动态流场数据的虚拟端口建模方法。利用无人机倾斜摄影图像数据，采用三维重建方法重建港口的几何特征，获得高精度的三维模型。为了避免由于数据量过大而导致绘制效率低下的问题，提出了一种基于二次误差测量的简化边折叠算法模型。分析了欧拉网格流体数值计算中耗时较长的环节，建立了神经网络模型，学习流场的演化特征，加速投影项的计算，获得实时变化的流场数据，通过流场数据驱动水流的动态绘制，并结合平滑粒子流体动力学方法展示水流、船舶和陆地的交互动态，从而保证渲染的实时性，同时提高渲染的真实感。结果表明，重建的港口三维重建模型顶点数可达3320937个，重建网格模型在Meshlab中的渲染频率为78.7Hz。模型顶点数减少90.0%后，模型顶点数减少到332836，渲染频率增加到108.7%，简化前后模型几何误差小于2.0%，神经网络加速网格流体计算方法得到的流场平均更新间隔约为17分钟，平均模拟精度为88.6%。通过开源图像引擎驱动流场数据和港口三维模型，平均渲染频率可达50.5%。可以看出，该方法可以有效地解决高精度实时绘制中的关键问题，实现仿真精度与绘制效率的动态平衡，以较少的精度损失实现高精度虚拟端口建模和实时动态仿真。