爆炸荷载深度神经网络预测

城市街区秒级预测

该神经网络预测方法可快速估算城市街区建筑表面的爆炸荷载，克服了简化计算方法在复杂建筑群中的不适用性。

Doudou, Si · Pan, Zuanfeng · Haipeng, Zhang

Structures 2025

技术优势

预测速度快

训练好的深度神经网络可以直接给出建筑表面爆炸荷载，避免了耗时的数值模拟，从而支持爆炸事件的快速响应。

摆脱简化限制

该方法适用于城市街区建筑群环境，不受简化计算方法在密集建筑中无法使用的限制。

支持应急程序

该方法有助于开发城市爆炸事件的快速响应程序，提高城市整体韧性。

应用场景

• 抗爆结构设计：快速获得复杂街区中建筑表面荷载，用于抗爆设计校核。
• 城市应急响应：爆炸发生后数秒内预测荷载分布，辅助疏散与救援决策。
• 传感数据快速处理：利用传感器数据快速映射到荷载分布，用于实时监测预警。
• 危险环境机器人导航：为危险环境中的机器人提供快速爆炸荷载评估，辅助路径规划。