三维街道尺度大气流动的两阶段超分辨率仿真方法用于实时城市微气象预测
大气与海洋物理
2025-01-13 v3 流体动力学
摘要
提出一种用于街道尺度空气温度和风速的两阶段超分辨率仿真方法，在保持精度的同时显著减少计算时间。第一阶段采用卷积神经网络（CNN）纠正建筑物上方大尺度流动的输入低分辨率仿真结果。第二阶段使用另一个CNN从第一阶段的输出中重建建筑物之间小尺度流动， resulting in high-resolution inferences。所用的CNN使用第二阶段的高分辨率仿真数据作为训练数据，而第一阶段的训练数据则使用其粗化版本作为参考真值，其中高分辨率仿真独立于用作输入的低分辨率仿真。这种学习方法将每个阶段的推断空间尺度分离。通过在日本东京站周围的实际城市区域进行微气象仿真评估了所提方法的有效性。超分辨率仿真成功推断了高分辨率大气流动，将与低分辨率仿真相比的误差约降低50%。此外，两阶段方法实现了局部高分辨率推断，将训练期间的GPU内存使用降低至仅12%。60分钟预测的总墙钟时间缩短为6.83分钟，仅为高分辨率仿真时间的3.32%。
引用
@article{arxiv.2404.02631,
title = {Two-Stage Super-Resolution Simulation Method of Three-Dimensional Street-Scale Atmospheric Flows for Real-Time Urban Micrometeorology Prediction},
author = {Yuki Yasuda and Ryo Onishi},
journal= {arXiv preprint arXiv:2404.02631},
year = {2025}
}