计算物理

作者：潘美霖, 彭卫文, 冷春江, 王澍霏, 钟巍

关键词：复杂城市环境, 爆炸载荷, 贝叶斯深度学习, 不确定性量化

为快速估计复杂城市建筑群中强爆炸冲击波的爆炸载荷，并量化估计结果的不确定性，针对可变当量、爆心距、街道长和宽、建筑物长和宽在较大范围内可变情形下，冲击波在3×3的建筑群中传播时关键位置的超压峰值，研究给出了基于高斯过程回归、神经网络集成和贝叶斯深度学习的快速估计方法。首先采用正交实验设计和数值模拟的方法获取训练数据，然后分别构建高斯过程回归、神经网络集成及贝叶斯深度学习模型，在快速预测爆炸载荷的同时对估计结果的不确定性进行量化。最后采用平均绝对百分比误差和归一化平均预测区间宽度等指标对三种模型的预测精度和不确定性量化准确度进行评估。结果表明：构建的三种模型在144组测试数据上对于超压峰值的平均估算误差分别为11.84%、7.04%和8.51%，置信区间涵盖真实值的百分比分别超过86.11%、98.61%和75.69%，且三种模型均能在2.3 ms内完成对单个测试样本爆炸载荷的估计。

来源：2025年第6期

《计算物理》期刊编辑部

查看计算物理杂志2025年第6期