-
题名机理模型与数据驱动模型交互的爆炸后果快速预测
- 1
-
-
作者
周沈楠
王仲琦
李其中
-
机构
北京理工大学爆炸科学与安全防护全国重点实验室
华北科技学院安全工程学院
-
出处
《安全与环境学报》
北大核心
2025年第1期85-94,共10页
-
基金
国家重点研发计划课题项目(2021YFC3001204)
陕西省2022年重点研发计划项目(2022GY-025)。
-
文摘
化工园区内一旦发生爆炸,极易引发多米诺骨牌效应,导致群死群伤事故。及时、准确地预测潜在爆炸可能导致的后果影响,能够为应急响应提供决策支持。然而现有的爆炸后果建模方法无法兼顾预测精度和效率,针对这一问题,提出了机理模型与数据驱动模型交互的数模融合法,用以实现对特定园区潜在爆炸后果的快速预测。该方法将机器学习引入爆炸后果建模中,通过结合试验和数值模拟方法,来生成高质量的训练数据;在模型构建中,设计了分区建模和递进式学习策略;最后,通过将数据驱动模型的预测数据与现有爆炸毁伤判定准则相结合,对潜在爆炸事件后果进行快速预测。以园区蒸气云爆炸为例,建立了基于改良麻雀搜索算法优化广义回归神经网络(Improved Generalized Regression Neural Network,IGRNN)的爆炸冲击波超压峰值预测模型。测试结果表明,模型在不同复杂程度园区场景下均表现出了良好的外推能力,且在普通CPU上预测爆炸冲击波场的耗时少于8 s。最后,结合实例分析,验证了所提方法的可行性。
-
关键词
安全工程
爆炸后果预测
数值模拟
数据驱动模型
应急响应
-
Keywords
safety engineering
explosion consequence prediction
numerical simulation
data-driven model
emergency response
-
分类号
X937
[环境科学与工程—安全科学]
-
