桥面风场时程重构的机器学习方法（双语出版）

来源：中国血液净化杂志2023年第8期北京时间：

作者：战庆亮, 刘鑫, 张冠华, 白春锦, 葛耀君

单位：1. 大连海事大学 交通运输工程学院, 辽宁 大连 116026;2. 辽宁省交通规划设计院有限责任公司 技术研发中心, 辽宁 沈阳 110111;3. 同济大学 桥梁结构抗风技术交通行业重点实验室, 上海 200092"],"fundList_en":["Bolian Research Funds of Dalian Maritime University (3132023619); Key Laboratory of Transportation Industry for Wind Resistance Technology of Bridge Structures Open Project (KLWRTBMC21-02); National Natural Science Foundation of China (51978527); Research Programme of Liaoning Education Department (LJKZ0052)

摘要：获得桥面的高分辨率时变流场对研究桥梁风致问题尤为关键，然而受传感器布设与测量方法等因素制约，难以通过试验直接测得高空间分辨率的流场数据。机器学习是流场表征的有效手段，但是数据驱动的训练方法在已知样本较少时难以获得准确的模型。针对此问题，引入流场时程的人工神经网络方法，使用流体控制方程辅助模型训练，通过增加未知测点处的方程约束提高模型的精度，得到了考虑物理约束的桥面风场时程的机器学习重构模型。以低雷诺数桥面绕流为例，实现了基于稀疏已知测点时程数据的模型训练，得到了较好的效果。结果表明：通过引入未知测点处的控制方程约束，可在较少已知时程数据的情况下，获得更准确的桥面风场重构模型，为人工智能方法在风场实测时程数据中的应用提供了基础。

关键词：桥梁工程,桥面风场时程,人工智能,时程深度学习,物理方程约束,流场重构

基金资助：大连海事大学博联科研基金项目(3132023619)；桥梁结构抗风技术交通行业重点实验室(上海) 开放课题(KLWRTBMC21-02)；国家自然科学基金项目(51978527)；辽宁教育厅研究计划项目(批准号:LJKZ0052)