基于重建平均流场估算二维街谷污染物扩散：两步物理信息神经网络方法
Estimating pollutant dispersion based on reconstructed mean flow field in a two-dimensional street canyon using two-step physics-informed neural networks
发表于 2026年7月20日 · 收录于雷达 2026年11月5日
中文摘要
研究提出两步物理信息神经网络（PINN）框架，以减少测量需求并估算二维街谷中的平均流场和污染物浓度场。第一步利用稀疏速度数据重建平均流场并估算涡黏度；第二步将其作为固定场，估算地面线源污染物扩散。结果表明，涡黏度可降低训练成本和数据需求，L-BFGS优化策略较Adam更有效。