Page 6 - 《爆炸与冲击》2026年第5期

第 46 卷 第 5 期 爆 炸 与 冲 击 Vol. 46, No. 5
2026 年 5 月 EXPLOSION AND SHOCK WAVES May, 2026

DOI：10.11883/bzycj-2025-0238

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 *

1
1
黄 阳 ，罗定坤 ，陈素文 1,2
（1. 同济大学土木工程学院，上海 200092；
2. 同济大学土木工程防灾减灾全国重点实验室，上海 200092）

摘要： 快速准确地评估复杂街区爆炸荷载对实现高效结构抗爆设计及灾后损伤评估具有重要意义，然而传统经
验公式、物理模型及数值模拟方法难以兼顾计算效率与预测精度，现有深度学习爆炸荷载预测模型尚难以用于复杂街
区场景。为实现复杂街区爆炸荷载快速准确计算，提出了一种物理信息和数据融合驱动的复杂街区爆炸荷载预测方
法，其基本思想是采用“空间分区、逐步推理”策略，分别针对起爆街道和非起爆街道构建快速网络预测模型，并通
过各街道间的边界压力协同工作。两种网络预测模型通过分别引入镜像爆源方法、信号距离场和能量密度因子融合
流场关键物理特征，并分别采用 3D-UNet 网络、2D-UNet 联合 3D-UNet 组成的级联网络作为架构。基于验证后的数值
模拟方法生成了两种网络的目标数据，并开展了对应模型训练。模型预测性能的评估结果表明：该方法能够准确预测
复杂街区压力场的时空演化过程，在起爆街道和非起爆街道中的流场预测结果与数值模拟结果的相对误差在 20% 以
内，有效描述了流场中指定位置的压力时程。双网络协同方法的推理耗时约为对应数值模拟方法计算时间的 2%，单
一时刻流场数据存储代价小于对应 D3PLOT 文件的 0.2%，显著降低了计算与数据存储代价。研究为大型复杂街区爆
炸荷载快速评估提供了新方法，可为城市建筑抗爆设计和评估提供高效决策支持。
关键词： 复杂城市街区；爆炸荷载；镜像爆源法；能量密度因子；深度学习
中图分类号： O381 国标学科代码： 13035 文献标志码： A

A physics-information and data fusion-driven method for rapid prediction
of blast loads in complex urban environments

1
1
HUANG Yang , LUO Dingkun , CHEN Suwen 1,2
（1. College of Civil Engineering, Tongji University, Shanghai 200092, China;
2. State Key Laboratory of Disaster Reduction in Civil Engineering, Tongji University, Shanghai 200092, China）

Abstract: Rapid and accurate assessment of blast loads in complex urban blocks is critical for efficient blast-resistant
structural design and post-disaster damage evaluation. However, traditional methods, including empirical formulas, physical
models, and numerical simulations, struggle to simultaneously achieve high computational efficiency and prediction accuracy.
Furthermore, existing deep learning-based blast load prediction models are hard to be applied in complex urban block
scenarios. To achieve rapid and accurate assessment of blast loads in complex urban street blocks, a physics-information and
data fusion-driven method is proposed. The core idea of the method is a “spatial partitioning and progressive inference”
strategy, which involves constructing distinct rapid prediction models for “the detonation street” and “non-detonation streets”.
These models then collaborate synergistically via their shared boundary pressures to predict the spatiotemporal evolution of the

* 收稿日期： 2025-08-08；修回日期： 2025-10-10
基金项目： 国家自然科学基金（52578603）；上海市科委“科技创新行动计划”（22dz1202900）；同济大学学科交叉联合攻
关重点项目（2023-2-ZD-05）
第一作者： 黄 阳（1999－ ），男，博士研究生，2210010@tongji.edu.cn
通信作者： 陈素文（1974－ ），女，博士，教授，博士生导师，swchen@tongji.edu.cn

051411-1