本发明公开了一种机器学习驱动的气液两相流仿真中气泡动态边界重构方法。方法包括：记录气泡视频并二值化处理；网格划分并预处理后构建特征数组和标签数组；训练时空卷积图神经网络获得预测模型；进行数值计算，将待求解区域进行网格划分，判断气泡边界所在网格，导出体积分数值输入模型中，输出预测界面位置，结合速度场计算流通量并更新下一体积分数值；循环直至预测所有预测界面位置，实现气泡动态边界重构。本发明重点解决了传统数值方法求解两相流问题中遇到的两相界面追踪精度有限、计算量大等问题，将机器学习与传统数值方法耦合，可准确预测每个时间步的气泡动态边界位置，为两相流问题的数值研究提供支撑。