基于多UAV Swarm观测的四维大气风场物理信息重建
机器学习
2026-01-30 v1 系统与控制
系统与控制
大气与海洋物理
摘要
准确重建大气风场对于天气预报、灾害预测和风能评估等应用至关重要，但常规仪器在低大气边界层内留下时空间隙。无人机系统（UAS）提供灵活的现场测量，但单个平台仅沿飞行轨迹对风进行采样，限制了完整风场恢复。本研究提出了一种利用来自协调UAS Swarm所获取测量值重建四维大气风场的框架。使用合成湍流环境和高保真多旋翼仿真生成训练和评估数据。通过双向长短期记忆网络（Bi-LSTM）估计局部风分量，并 assimilate 到物理信息神经网络（PINN）中，以重建时空连续的风场。对于局部风估计，双向LSTM在低风条件下分别获得北向和东向分量的RMSE为0.064和0.062 m/s， moderate 风条件下升至0.122至0.129 m/s， high 风条件下为0.271至0.273 m/s，而垂直分量误差较大，RMSE为0.029至0.091 m/s。物理信息重建在1000米高度内恢复风场的主导空间和时间结构，同时保持平均流向和垂直剪切。 在 moderate 风条件下，重建的平均风场在评估的UAS配置下实现总体RMSE为0.118至0.154 m/s，使用五架UAS的 Swarm 获得最低误差。这些结果表明，协调的UAS测量使无需专用风传感器或固定基础设施即可实现准确且可扩展的四维风场重建。
引用
@article{arxiv.2601.22111,
title = {Physics Informed Reconstruction of Four-Dimensional Atmospheric Wind Fields Using Multi-UAS Swarm Observations in a Synthetic Turbulent Environment},
author = {Abdullah Tasim and Wei Sun},
journal= {arXiv preprint arXiv:2601.22111},
year = {2026}
}