研究人员开发了一种新颖的两阶段U-Net框架，可有效预测城市环境中的行人级风速。第一阶段使用U-Net模型（M1）逐块预测风场，第二阶段的U-Net模型（M2）则对这些预测进行优化，以减少块边界的不连续性。该方法在UrbanTALES数据集上进行训练，为高分辨率风力预测提供了一个灵活的代理模型，但它倾向于低估最大风速。 AI
影响 通过实现更快、更高分辨率的风速预测，为城市规划和风环境舒适度评估提供了一种更有效的方法。
排序理由 详细介绍了一种用于特定科学预测任务的新模型架构和数据集的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
