用于预测行人高度城市风场的层级深度学习模型
A hierarchical deep learning model for predicting pedestrian-level urban winds
发表于 2026年2月11日 · 收录于雷达 2026年11月5日
中文摘要
研究提出两阶段层级模型预测行人高度的城市风场：先由U-Net根据城市几何生成基线预测，再由条件生成对抗网络（cGAN）恢复高频细节。模型在UrbanTALES数据集上训练和验证，预测效果优于基线；训练集和验证集RMSE分别降低76%和60%，并能更好呈现高速风流及复杂湍流尾流。