Page 16 - 《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

力作为输入，通过非起爆街道模型计算十字街道 Non-detonation
Non-detonation street 2
的压力场，得到边界 2 的压力历程；最后，基于边 street 1 Boundary
Detonation
界 2 的压力预测末端 T 形街道的压力场。通过 street Boundary pressure 2
拼接 3 个子区域的压力场，即可重构出完整街区 pressure 1
的爆炸荷载演化过程。该爆炸场景爆炸荷载的 Gauge 3
精确流场采用数值模拟方法计算获得，在此基础 Gauge 2
上 提 取 十 字 街 道 内 部 测 点 1 (−0.25 m, 1.5 m, 1.0 Gauge 1 Explosive 1.0
0.1 m)、 测 点 2 (1.8 m, 1.2 m, 0.2 m) 及 测 点 3 y z
1.0 x 1.0
(2.75 m, 1.5 m, 0.75 m) 共 3 处位置的压力时程曲 1.0 0.5 1.0
1.0 1.0
线，并与本文提出的快速预测方法结果进行对比。
图 11 展示了采用数值模型及所提出方法对 图 10 复杂街区爆炸场景示意图（单位：m）
场景中高度 0.2 m 处压力分布的预测结果及二 Fig. 10 Schematic diagram of the explosion scenario
in a complex urban block (unit: m)
者的相对误差。图 12 对比了两种方法得出的不
同测点处的压力时程曲线。由图 11～12 可知，所提出的方法准确预测了爆炸压力场演化过程，在起爆街

Deep learning Pressure/MPa Numerical model Pressure/MPa Relative error Error

1.0
0.14 0.14
0.8
0.12 0.12
0.6
0.10 0.10
0.4
0.08 0.08
0.2
0.06 0.06
0
(a) 3.5 ms
Deep learning Pressure/MPa Numerical model Pressure/MPa Relative error Error
1.0
0.14 0.14 0.8
0.12 0.12
0.6
0.10 0.10
0.4
0.08 0.08 0.2
0.06 0.06
0
(b) 5.0 ms
Deep learning Pressure/MPa Numerical model Pressure/MPa Relative error Error
1.0
0.14 0.14
0.8
0.12 0.12
0.6
0.10 0.10
0.4
0.08 0.08
0.2
0.06 0.06
0
(c) 6.0 ms
Deep learning Pressure/MPa Numerical model Pressure/MPa Relative error Error
0.14 0.14 1.0
0.12 0.12 0.8
0.10 0.10 0.6
0.4
0.08 0.08
0.2
y 0.06 0.06
0
O x (d) 8.5 ms
图 11 不同时刻的压力分布及相对误差
Fig. 11 Pressure distribution and relative errors at different times

051411-11