PSTNet：物理结构湍流网络

可靠的实时估计大气湍流强度仍是航空器在跨越多个高度区间时面临的挑战，尤其是对于海洋、极地及数据稀疏地区，这些地区缺乏运营性 nowcasting 基础设施。经典光谱模型编码的是气候学平均值，而非瞬时大气态；通用 ML regressor 虽具适应性，但无法保证预测遵循基本比例规律。本文引入物理结构湍流网络（PSTNet），一个嵌入物理结构的轻量级架构。PSTNet 耦合四个组件：（i）源自 Monin-Obukhov 理论的零参数 backbone，（ii）由 Richardson 数派生软目标监督的情境门控专家子网络组合，（iii）基于局部气压比率的特征线性调制层，以及（iv）强制惯性子区间比例的 Kolmogorov 输出层。整个模型仅包含 552 个可学习参数，需要少于 2.5 kB 的存储空间，并在 Cortex-M7 微控制器上执行时间低于 12 秒。我们在 340 对六自由度引导仿真中进行了验证，涵盖 Mach 2.8、4.5 和 8.0 三个车辆类别以及六个运营类别，实际卫星气象数据摄入。PSTNet 在平均误差距离上实现 +2.8% 改进，获 78% 胜率，并呈现统计显著效应大小。我们的结果表明，将领域物理作为架构先验编码可实现更高效、更可解释的湍流估计精度路径，为资源受限、安全关键的 onboard guidance 系统提供了可作为传统查表法替代的可行方案。