| 基于多源数据融合方法的龙卷风切向速度预测 |
| |
| 引用本文： | 胡传新, 聂豪, 钱帮虎, 管文松, 李功文, 赵林. 基于多源数据融合方法的龙卷风切向速度预测[J]. 力学季刊, 2024, 45(2). doi: 10.15959/j.cnki.0254-0053.2024.02.005 |
| |
| 作者姓名： | 胡传新 聂豪 钱帮虎 管文松 李功文 赵林 |
| |
| 作者单位： | 1. 武汉科技大学城市建设学院,湖北武汉 430065;武汉科技大学城市更新湖北省工程研究中心,湖北武汉 430065;; 2. 中交公路规划设计院有限公司,北京 100010;; 3. 中南建筑设计院股份有限公司,湖北武汉 430071;; 4. 同济大学土木工程防灾减灾全国重点实验室,上海 200092 |
| |
| 基金项目： | 国家重点研发计划;湖北省建设科技项目;湖北省高等学校优秀中青年科技创新团队计划项目 |
| |
| 摘 要： | 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．
|
| 关 键 词： | 龙卷风 多源数据 神经网络 数据融合 风场预测 |
|
| 点击此处可从《力学季刊》浏览原始摘要信息 |
|
点击此处可从《力学季刊》下载全文 |
|
