来源：期刊VIP网 时间：
作者：周沈楠;王仲琦;李其中;
单位：北京理工大学爆炸科学与安全防护全国重点实验室;华北科技学院安全工程学院;
摘要：化工园区内一旦发生爆炸，极易引发多米诺骨牌效应，导致群死群伤事故。及时、准确地预测潜在爆炸可能导致的后果影响，能够为应急响应提供决策支持。然而现有的爆炸后果建模方法无法兼顾预测精度和效率，针对这一问题，提出了机理模型与数据驱动模型交互的数模融合法，用以实现对特定园区潜在爆炸后果的快速预测。该方法将机器学习引入爆炸后果建模中，通过结合试验和数值模拟方法，来生成高质量的训练数据；在模型构建中，设计了分区建模和递进式学习策略；最后，通过将数据驱动模型的预测数据与现有爆炸毁伤判定准则相结合，对潜在爆炸事件后果进行快速预测。以园区蒸气云爆炸为例，建立了基于改良麻雀搜索算法优化广义回归神经网络(Improved Generalized Regression Neural Network, IGRNN)的爆炸冲击波超压峰值预测模型。测试结果表明，模型在不同复杂程度园区场景下均表现出了良好的外推能力，且在普通CPU上预测爆炸冲击波场的耗时少于8 s。最后，结合实例分析，验证了所提方法的可行性。
关键词：安全工程;爆炸后果预测;数值模拟;数据驱动模型;应急响应
基金资助：国家重点研发计划课题项目(2021YFC3001204); 陕西省2022年重点研发计划项目(2022GY-025)
