基于数值模拟和机器学习的风场快速重构方法

作者：李聪健; 高航; 刘奕^*

来源：清华大学学报, 2023, 63(06): 882-887.

DOI：10.16511/j.cnki.qhdxxb.2023.22.014

• 数值模拟
• 神经网络
• k-means聚类
• 流场重构

近年来受大风天气影响，树倒墙塌、高空坠物、广告牌散落等情况时有发生，严重影响社区居民安全，迫切需要识别出大风天气下社区内重点危险区域并加以防范。该文以北京市石景山区某社区风场为例进行场景建模，利用数值模拟与机器学习寻找社区特征点，完成特征点风速数据到风场数据的预测。以10个特征点数据预测6 681个点的风场数据为例，基于7 917个训练风场、 2 026个测试风场的模型训练测试结果表明：东西方向1 m/s以上速度的预测值平均相对误差为5.8%,南北方向1 m/s以上速度的预测值平均相对误差为6.2%。采用该方法可以快速获得满足精度要求的社区背景风场以指导社区风险防范、应急决策与救援，对于保障社区安全具有重要意义。

• 单位
  清华大学