Page 15 - 《爆炸与冲击》2026年第5期

第 46 卷 黄 阳，等： 基于物理信息及数据融合驱动的复杂街区爆炸荷载快速计算方法 第 5 期

压力场，作为非起爆街道模型中 3D-UNet 的目标输出。经上述步骤，建立了含十余万样本的数据集，其
中 60% 数据作为训练集，20% 数据作为验证集，20% 数据作为测试集。

表 3 非起爆街道数据集工况设计
Table 3 Explosion scenario design for non-detonation streets
非起爆街道类型 拼接街道宽度/m TNT当量/kg 炸点位置/m
0.5 0.05 (−0.2, 0.7, 0.08)
1.0 0.05 (−0.2, 0.7, 0.08)
L形街道
0.5 0.07 (0, 0.5, 0.08)
1.0 0.07 (0, 0.5, 0.08)
0.5 0.05 (−0.2, 0.7, 0.08)
1.0 0.05 (−0.2, 0.7, 0.08)
T形街道
0.5 0.07 (0, 0.5, 0.08)
1.0 0.07 (0, 0.5, 0.08)
0.5 0.05 (−0.2, 0.7, 0.08)
1.0 0.05 (−0.2, 0.7, 0.08)
十字街道
0.5 0.07 (0, 0.5, 0.08)
1.0 0.07 (0, 0.5, 0.08)

3 模型训练及评估

3.1 模型训练
基于数据集，分别对起爆街道模型及非起爆街道模型开展训练。在街区爆炸场景中，冲击波超压随
传播距离的增大迅速衰减，导致流场中大部分空间区域的压力接近背景大气压，可能影响模型训练效
果。为此，本研究采用加权均方误差 δ WMSE （weighted mean squared error, WMSE）作为损失函数，以提升模
型对超压的捕捉能力：
n
1 ∑ ( ) 2
δ WMSE = w i y i −b y i (7)
n
i=1
w i 采用下式计算：
式中： y i 为真实值， b y i 为预测值， w i 为权重。
®
1 y i ≤0.105 MPa
w i = (8)
1.5 y i ＞0.105 MPa
式中：0.105 MPa 为一接近大气压的值，用于在计算损失函数时为超过 0.005 MPa 的超压提供更高权重。
此外，采用 Adam 优化器迭代模型直至收敛。起爆街道预测模型及非起爆街道预测模型的各卷积核尺
寸、优化器学习率、模型迭代次数等超参数基于模型在测试集上的预测性能进行调整，以确保模型发挥
出最优性能。
在两种模型训练完成后，基于典型街道构建了复杂街区爆炸场景，以测试模型的协同预测性能。

3.2 模型评估
复杂街区爆炸场景的几何尺寸及空间分区见图 10。该场景由一个 L 形起爆街道、一个十字非起爆
街道和一个 T 形非起爆街道依次拼接构成。在宽度为 1 m 的起爆街道内，于坐标 (−0.2 m, 0.7 m, 0.08 m)
处引爆了一当量为 0.05 kg 的 TNT 炸药。该场景下，起爆及非起爆街道的几何布局和爆炸当量组合并不
含在两种模型的训练集中，因此，所提出模型的预测结果可有效反映其预测及泛化性能。起爆街道与十
字街道的连接处定义为边界 1，十字街道与另一 T 形街道的连接处为边界 2。为快速预测该场景的压力
场演化过程，首先利用起爆街道模型预测 T 形起爆街道压力场，并提取边界 1 的压力历程；随后，将此压

051411-10