Page 93 - 《爆炸与冲击》2026年第2期

第 46 卷 彭江舟，等： 城市建筑外爆威力场与毁伤效应数智仿真模型及应用 第 2 期

射、衍射等效应更为显著，导致超压、冲量等物理场分布尺度更加无规律；同时建筑数量的增加直接影
响了图数据的规模和拓扑结构，这对模型的计算效率和准确性提出了更高的要求。
然而，在面对上述挑战时，提出的模型依然表现出令人满意的预测性能。如图 12 所示，不论是地面
还是建筑自身，甚至是建筑邻接区域的峰值超压、峰值冲量、冲击波抵达时间组成的威力场分布云图都
与数值模拟结果保持高度一致。这是因为模型在训练过程中进行了多次的信息聚合，有效地捕捉到了
地面与地面、建筑与建筑、乃至地面和建筑间的相互作用关系。这种信息聚合主要通过半径阈值法收集
邻居节点信息，并采用加法聚合策略与最大值聚合策略分别实现图结构数据及图网络（GN）块的更新。
即使在复杂截面建筑或建筑群落样本下，这些作用关系仍然被准确地捕捉到，从而确保了 GNN 的良好
泛化能力。表 2 具体列出了不同复杂截面和不同数量建筑群落测试集的 ε RS E 误差以及计算时间。对于
复杂建筑群构型，GNN 展现出了良好的预测能力，能够在 1 s 内实现峰值超压小于 3%、峰值冲量小于
9%、冲击波抵达时间小于 4% 的高精度预测。
OpenFOAM GNN OpenFOAM GNN OpenFOAM GNN

0 0.5 1.0 1.5 2.0 0 1 2 3 4 0 40 80 120 160
Peak overpressure/MPa Peak impulse/(kPa·s) Arrival time/ms

图 12 复杂几何建筑与建筑群落样本预测结果
Fig. 12 Prediction results of multiple buildings and complex geometric building samples

表 2 复杂几何建筑与建筑群落测试集模型预测性能
Table 2 Predictive performance of GNN models on the test sets of the complex geometric building and multiple buildings
ε RSE /% 计算时间/s
建筑类型
峰值超压 峰值冲量 到时 OpenFOAM GNN
复杂建筑—十二边形 1.15 2.34 0.85 991 0.15
复杂建筑—扇形 1.51 3.68 1.33 857 0.14
复杂建筑—十字形 1.16 6.69 2.74 984 0.35
建筑群落—2栋 1.95 8.16 2.04 991 0.27
建筑群落—3栋 1.67 7.57 3.07 1 450 0.36
建筑群落—4栋 2.61 6.52 1.99 2 045 0.51

022202-10