基于气象数值预报尺度风场的高精度三维风场智能重构.pdf

基于气象数值预报尺度风场的高精度三维风场智能重构

研究背景

最新超级计算机算力表明当前实时天气预报最精细水平网格尺度一

般为1~4km量级。实时天气预报模式尚无法满足结构风工程领域和机器学习算法能够在大量数据中学习湍流结构的特

风能评估领域对高精度湍流风场的需求。征，并在不同尺度上进行重构和预测，可为结构风

高精度数值模拟方法能够提供丰富的三维流场信息，但其计算复杂工程和风能评估研究提供真实高精度湍流风场。

度和成本较高。

-2-

研究背景

神经网络及超分辨率重构

(x)ReLU(x)max(x,0).超分辨率重构：通过低分辨率图像或图像序列恢复

2出高分辨率图像

wargminw||yf(x;w)||2神经网络原理

湍流场时空重构

二维湍流场超分辨率重构基于深度学习的三维风场重构考虑三个时间步长的湍流重构

-3-

数据集

基于理想台风风场数据集进行DSC/MS网络的训练、测试和预WRF-LES

测。（/datasets/ds301.0/）

DomainD3D4D5D6

该数据集来源于基于中尺度气象数值模式WRF开展的理想台

Horizontalgrid

风数值模拟结果，采用了WRF-LES模块。distance(m)1666.67555.56185.1861.72

数据集包含四种不同海表温度（26℃、27℃、28℃和29℃）Horizontalgrid

598×598598×598598×598967×967

情况的理想台风数据。number

Verticallayer

87

number

Timestep(s)6.672.220.740.25

选择海表温度为29℃的Domain6台风工况作为基础数据集。

D6数据集水平网格尺度为62m，水平网格数为967×967，垂直层数

为