物理情報に基づくニューラルネットワークを用いた2次元都市キャニオンの平均風速・風圧分布の高解像度推定

抄録

風洞実験は実現象を精度高く再現する手法として多く用いられるが、計測における様々な制限により限られた離散的な点におけるデータしか取得できないことが多い。本研究では、物理情報に基づくニューラルネットワークPINNsを用いて、2次元都市キャニオンを対象にした風洞実験で計測される少数の離散的な風速情報から高解像度の流れ場を推定した。LESデータベースとの比較からPINNは全体的に平均風速を精度高く予測できた。また、計測データのない表面平均風圧力も物理制約の導入で予測できた。主な誤差は建物表面付近およびせん断層の速度勾配の大きい場所に生じたが、局所的にセンサーを追加することで、風速と表面風圧力の予測精度を改善した。