首页|期刊导航|长沙理工大学学报(自然科学版)|基于数据-物理融合的城市风场短时预测框架

基于数据-物理融合的城市风场短时预测框架OA

中文摘要

【目的】城市风场预测对风灾预警、行人舒适度评估以及无人机路径规划等领域至关重要。然而,现场测量、风洞试验以及计算流体动力学(computational fluid dynamics,CFD)等方法耗时且成本高昂,难以满足大规模城市风场快速预测需求。为此,本文提出了一种数据与物理信息融合的城市风场预测框架,利用稀疏多站点时间序列数据预测未来的城市近地面风场。【方法】该框架由三个模块构成:风向推断模块,通过多站点风速分量推断主导来流风向;时序预测模块,利用双向长短期记忆网络预测每个站点的短期未来风速分量;物理信息空间预测模块,将预测的站点风速数据映射至行人高度二维网格,从而重建全场风速分量。为增强物理一致性,将不可压缩的纳维-斯托克斯方程残差嵌入损失函数训练损失。【结果】该方法在基于CFD生成的真实城市街区数据集上得到了验证。试验结果表明,本文所提出的框架在不同风向条件下均保持稳定的全场预测精度,速度分量的平均决定系数约为0.80,本文框架相较于CFD实现了数量级加速。【结论】该框架为利用稀疏数据实现城市风场预测提供了一种高效且物理一致的方法。

孙良波;李强;童生生;代鑫阳;倪智钰

浙江理工大学建筑工程学院,浙江杭州310000 浙大宁波理工学院土木工程学院,浙江宁波315000浙大宁波理工学院土木工程学院,浙江宁波315000宁波市建设集团股份有限公司,浙江宁波315000浙大宁波理工学院土木工程学院,浙江宁波315000浙大宁波理工学院土木工程学院,浙江宁波315000

建筑与水利

城市风场计算流体动力学双向长短期记忆网络物理信息神经网络行人高度风

《长沙理工大学学报(自然科学版)》 2026 (3)

P.14-24,11

国家自然科学基金项目(52508586)浙江省自然科学基金项目(LY24E080012)。

10.19951/j.cnki.1672-9331.20260212001

评论