力学季刊

作者：胡传新, 聂豪, 钱帮虎, 管文松, 李功文, 赵林

关键词：龙卷风；多源数据；神经网络；数据融合；风场预测

龙卷风具有作用范围小、持续时间短、作用强度大的特点，是自然灾害中破坏力最大的灾害之一．受限于龙卷风危险性及发生发展时空随机性，现场实测数据过于稀缺且难以收集近地面区域风场数据．鉴于此，提出了基于神经网络模型的数据融合方法，实现不同来源风场数据的融合，并对模型预测效果及泛化能力进行验证．在此基础上，对龙卷风切向速度场进行了预测．研究表明：在低涡流比龙卷风预测中，实测数据的驱动模型平均误差在35 %以上，而采用数据融合驱动模型平均误差为14 %以下，表明融合模型具有较好的预测精度．在高涡流比龙卷风预测中，实测数据驱动模型平均误差在28 %左右，而数据融合驱动模型平均误差在10 %以下，表明数据融合模型在预测高涡流比时仍保持较高精度，具有较好泛化性．融合模型重构的低涡流比风场涡核为破裂状，高涡流比风场核心区域风速明显增加，且近地面风速覆盖范围增加．该模型能获取近地面及涡核中心附近处的风场数据，同时提高了龙卷风风场空间分辨率，为龙卷风环境下结构抗风实践提供重要支撑．

来源：2024年第2期

《力学季刊》期刊编辑部

查看力学季刊杂志2024年第2期