Page 250 - 《爆炸与冲击》2026年第5期

第 46 卷 胡倩然，等： 基于人工神经网络的居民住宅燃气爆炸后果预测 第 5 期

4.90 m 2.90 m 5.05 m
Master
3.68 m bedroom Toilet Secondary
bedroom
14.15 m Window
3.70 m
8.30 m
3.20 m Kitchen Dining Door Living room N E S
room
W

(b) Platform size and internal scene
图 3 全尺寸居民住宅液化石油气爆炸实验平台
Fig. 3 Full-size residential liquefied petroleum gas explosion experimental platform
80 (t exp , p exp ) = (510 ms, 82.7 kPa) 80 70 (t exp , p exp ) = (520 ms, 64.5 kPa) 70
Experimental explosion overpressure/kPa 60 δ p =8.46% 60 Simulation explosion overpressure/kPa Experimental explosion overpressure/kPa 50 δ p =10.54% −10 Simulation explosion overpressure/kPa

60
60
(t sim , p sim ) = (480 ms, 75.7 kPa)
(t sim , p sim ) = (500 ms, 57.7 kPa)
50
40
40
30
40
40
30
δ t =5.88%
δ t =3.85%
20
20
20
20
Experimental overpressure
Experimental overpressure
10
10
Simulation overpressure
Simulation overpressure
0
200
300
0
300
100
Time/ms 400 500 600 0 −10 0 0 100 200 Time/ms 400 500 600 0
(a) Overpressure at the western wall of the (b) Overpressure near the secondary bedroom
dining room when ignition in the kitchen window when ignition in the master bedroom
图 4 不同点火位置下模拟与实验爆炸超压时程曲线对比
Fig. 4 Comparison of simulated and experimental explosion overpressure-time history curves at different ignition positions
p exp − p sim
δ p = (4)
p exp
t exp −t sim
δ t = (5)
t exp
式中：δ 为爆炸峰值超压相对误差，p p 为实验爆炸超压，p m 为模拟爆炸超压，δ 为爆炸峰值超压到达时
t
p
ex si
间相对误差，t p 为实验爆炸超压到达时间，t m 为模拟爆炸超压到达时间。
ex si
上述误差主要来源于实验测试误差、点火延迟和计算域离散等因素。参考马秋菊等 [28] 、陈晔等 [29]
的数值模拟算例误差，本文构建的全尺寸居民住宅爆炸数值模型可以很好反映复杂居民环境下的燃气
爆炸求解过程，其数值模拟结果可直接用于本文爆炸后果数据集的构建。
3 爆炸预测模型
3.1 爆炸预测方法
借助以上数值模型，构建了基于人工神经网络的居民燃气爆炸事故后果预测方法，具体见图 5。
该方法主要包含两部分：数据集生成和预测模型构建。
051445-7