-
题名基于多源数据融合方法的龙卷风切向速度预测
- 1
-
-
作者
胡传新
聂豪
钱帮虎
管文松
李功文
赵林
-
机构
武汉科技大学城市建设学院
武汉科技大学城市更新湖北省工程研究中心
中交公路规划设计院有限公司
中南建筑设计院股份有限公司
同济大学土木工程防灾减灾全国重点实验室
-
出处
《力学季刊》
CAS
CSCD
北大核心
2024年第2期338-349,共12页
-
基金
国家重点研发计划(2022YFC3004105)
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(T2022002)。
-
文摘
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
-
Keywords
tornado
multi-source data
neural network
data fusion
wind field prediction
-
分类号
O355
[理学—流体力学]
-