随着城市化的不断推进，城市建筑群的高度、密度与形态日益复杂，使得城市大气边界层的流动特性、风场结构与湍流分布显著改变。这种复杂的城市气流环境对低空飞行器，尤其是多旋翼小型无人机的飞行稳定性与安全性构成了严峻挑战。建筑物间的强剪切区、涡流区及局地强风区，可能引发无人机姿态失稳、能耗增加。因此，亟需开展高密度城区的风场与湍流特征精细化模拟及预测研究，为低空飞行安全评估与路径优化提供科学依据。
本研究基于计算流体力学（CFD）方法，构建典型高密度城区的三维城市几何模型，采用稳态雷诺时均方程（RANS）模拟多风向、多高度下的风速场与湍流结构，获得城市下垫面对流动特性的影响规律。通过与实测数据对比验证，CFD模型能够较准确地反映复杂城市形态下的流场分布特征。为突破高分辨率模拟计算量大的瓶颈，进一步引入降阶建模与深度学习方法，实现流场的快速重构与智能预测。具体而言，利用稀疏采样点数据，结合Gappy Proper Orthogonal Decomposition（Gappy POD）降阶方法和变分自编码器（Variational Autoencoder, VAE）深度生成模型，构建了城市风场的非线性重建框架。相比传统线性降维方法，VAE能够更好地捕捉流场中复杂的非线性特征与多尺度涡结构，在重建精度与泛化能力方面表现更优。
 

计算流体力学，,机器学习,，降维模型