La entrada es uno de los componentes más importantes de un vehículo hipersónico. El diseño y la optimización de la entrada hipersónica son de gran importancia para la investigación y el desarrollo de vehículos hipersónicos. En los últimos años, se han utilizado técnicas de inteligencia artificial para mejorar la eficiencia de la optimización aerodinámica. Modelos generativos profundos, como el autoencoder variacional (VAE) y la red generativa adversarial (GAN), se han utilizado en una variedad de problemas de flujo en los últimos dos años, haciendo posible la reconstrucción y predicción rápida del campo de flujo completo. En este estudio, se utiliza un perceptrón multicapa (MLP) híbrido combinado con una red VAE para reconstruir y predecir el campo de flujo de una entrada hipersónica de múltiples cuñas bidimensional. Los resultados obtenidos muestran que la red VAE puede reconstruir la estructura general del flujo del campo de flujo hipersónico con alta precisión. La precisión de reconstrucción de estructuras de flujo complejas, como ondas de choque, capas límite y burbujas de separación, es satisfactoria. El modelo de predicción del campo de flujo basado en el modelo híbrido MLP-VAE tiene una fuerte capacidad de generalización y generación, logrando una predicción de campo de flujo relativamente precisa para entradas con configuraciones geométricas fuera del conjunto de entrenamiento.