Page 52 - 《爆炸与冲击》2026年第11期

第 46 卷 潘美霖，等： 基于贝叶斯深度主动学习的三维城市建筑群爆炸载荷快速预测 第 11 期

3.3.2 预测精度与不确定性量化
基于所构建的 BDAL 模型，在包含 780 组样本的测试集上对其预测精度及不确定性量化能力进行
综合评估，结果如表 4 所示。
在预测精度方面，模型对建筑群区域内压力场分布的预测表现出良好一致性，测试集上平均绝对百
分比误差为 13.1%，反映出在场尺度上具备可靠
表 4 BDAL 模型的超压峰值预测结果
的预测能力。且训练集与测试集的 MAPE 和 R 2
Table 4 Prediction results of peak overpressure
高度接近，相差不超过 1.1%，表明模型未出现过 by BDAL model
拟合，具备稳定的泛化能力。 数据集 MAPE/% R 2 PICP/% NMPIW/%
在不确定性量化方面，模型在训练集和测
训练集 14.2 0.974 89.3 2.1
试集上的 PICP 分别为 89.3% 和 85.9%，其对应
测试集 13.1 0.972 85.9 2.6
的 NMPIW 分别为 2.1% 和 2.6%。尽管 PICP 低
于理论上的 95% 置信水平，但结合本研究问题的特点，该结果仍具有合理的解释力与工程适用性。爆炸
冲击波在三维建筑群中传播时，受多次反射、绕射及叠加效应影响，载荷分布呈现强非线性与非高斯特
征，导致真实数据本身具有较高的固有不确定性。此外，数值仿真中采用的动态网格与自适应算法也会
引入一定的数值波动。这些因素使得完全覆盖所有真实值的理想预测区间在实际中较难实现。然而，
当前模型仍能提供覆盖约 86% 真实值的较窄预测区间，说明其在辨识主要不确定性来源的同时，避免了
区间过度保守而丧失决策信息价值，在可靠性与紧致性之间取得了较好平衡。未来研究将进一步探索
分位数回归、深度集成等概率建模方法，以在保持区间紧致性的同时，提升预测区间的覆盖稳健性。
3.3.3 预测结果可视化分析
图 5 通过预测区间分析进一步验证了模型的可靠性。图中横轴为按数值模拟实测值升序排列的样
本序列，纵轴为超压峰值。其中，橙色虚线表示实测曲线，绿色实线为模型预测值，蓝色区域表示 95% 预
测区间。可以看出，BDAL 模型对超压峰值的预测曲线与真实值曲线高度吻合，且预测区间范围较窄，表
明模型在具备较高预测精度的同时，亦具有可控的不确定性。
为系统评估 BDAL 模型的预测性能，图 6 给出了数值模拟实测值与模型预测值在超压峰值上的散
点对比。图中横、纵坐标分别对应实测值与模型预测值，红色实线表示理想预测线（预测值与真实值相
等），2 条红色虚线分别为±30% 误差边界。图中点集通过颜色深浅反映样本密度，暖色表示高密度区
域。可以看出，绝大多数样本点紧密分布在理想预测线附近，且基本全部落在±30% 误差带以内，未见明
显偏离趋势，表明模型在整个预测范围内均具有良好的准确性与泛化能力。

1.0
Confidence interval
100 Predicted value
True value 80 0.8
80 60
Δp 0 /MPa 60 Predicted value/MPa 0.6 Normalized density

40 40 0.4

20 20 0.2
0
0 100 200 300 400 500 600 0 20 40 60 80 0
Sample index True value/MPa

图 5 全样本模型预测区间 图 6 超压峰值数值模拟真实值与模型预测值散点图
Fig. 5 Interval predictions Fig. 6 Scatter plots of the numerical simulation value
for the full sample model and the model-predicted value for overpressure peak

3.4 物理一致性验证
为确保所提 BDAL 模型不仅具备数值精度，而且能遵循爆炸冲击波传播的内在物理规律，从超压峰

111503-11