基于生成式对抗网络的风场生成研究

生成式对抗网络(Generative Adversarial Network,GAN)是人工智能领域较为重要的思想与方法。该文提出基于GAN生成风场,其中,由于GAN需要训练数据,考虑到实测风场数据的困难与匮乏,该文通过改进循环预前模拟法生成训练数据,并利用GANθ与GAN_(Δθ)生成风场,前者用于生成单点相位谱,后者用于生成单位距离相位谱差值,以克服传统模拟方法湍流度略低、频谱特性失真等不足;进而基于中心递进法利用GANθ、GAN_(Δθ)的结果生成相位谱;利用相位谱、幅值谱生成风场。从数据分布角度定性评估了GAN结果质量;利用1-NN算法定量评估了GAN结果质量;从风场特性角度将GAN生成的风场与目标风场进行了对比验证。通过定性、定量及对比验证可得:基于GAN生成的数据分布与目标分布相接近,生成的风场特性与目标风场相接近,说明基于GAN生成风场方法通过学习数据分布特性生成数据,具有良好的适应能力与生成数据能力。