期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于CNN与GAN深度学习模型近壁面湍流场超分辨率重构的精细化研究
1
作者 吴昊恺 陈耀然 +2 位作者 周岱 陈文礼 曹勇 《力学学报》 EI CAS CSCD 北大核心 2024年第8期2231-2242,共12页
由城市抗风减灾的目标出发,城市边界层的高保真再现是工程界亟待解决的关键问题.基于高精度的近地风场,有望实现真实环境下城市建筑风致效应的准确预测.传统的基于气象模型的城市风场模拟方法存在预测耗时长、成本昂贵、求解尺度过高等... 由城市抗风减灾的目标出发,城市边界层的高保真再现是工程界亟待解决的关键问题.基于高精度的近地风场,有望实现真实环境下城市建筑风致效应的准确预测.传统的基于气象模型的城市风场模拟方法存在预测耗时长、成本昂贵、求解尺度过高等缺陷.为更准确、高效地预测边界层的空间变化,研究利用超精度卷积神经网络(SRCNN)与生成对抗神经网络(SRGAN),在空间上将低精度的近壁面湍流场超精度重构成高精度的风场.利用近壁面湍流直接数值模拟的公共数据库训练模型并评价模型的重构性能.为寻求合适的超精度模型生成方式,研究围绕训练样本量及网络深度,开展详细的敏感性分析,确定合适的训练网络及其较优的训练参数设置.同时,基于经不同下采样因子处理的低精度流场输入,分析模型在近壁面湍流重构中的适用范围.研究发现,对比于SRCNN模型,SRGAN模型对近壁面湍流内小尺度结构的重现效果更佳.当基于4层卷积残差块、300样本量开展训练时,所生成的SRGAN模型可在较低的训练代价下实现较优的重构效果.当进行10倍超精度重构时,SRGAN模型可保证较理想的预测精度.研究成果为边界层风场的准确重构提供技术支撑,为城区建筑物风致效应的高效预测提供精确的入流条件. 展开更多
关键词 深度学习 超精度生成对抗神经网络 超精度卷积神经网络 超精度重构 城市边界层风场
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部