我们如何用预计算 CFD 数据库加速城市微尺度风环境预测

城市风环境评估经常遇到一个现实矛盾：我们希望看清建筑群、街区和局部地形对风场的影响，但如果每一个规划片区、每一次方案调整都重新开展高分辨率 CFD 计算，工程应用的时间成本会非常高。

在这篇发表于 Building Simulation 的论文中，我们尝试把问题换一种方式处理：不再把每次风环境评估都看作一次从零开始的计算任务，而是先把城市微尺度风场的 CFD 结果组织成可调用的数据库，再面向规划、评估和预警场景进行快速预测与展示。

这项工作属于 WOEAI 的 建筑结构抗风 / 数值风洞与湍动入流 方向，也与城市风环境、复杂地形风场和工程软件化应用直接相关。

论文图 1 所提出框架的工作流程

我们把中尺度气象输入、微尺度 CFD 计算和数据库组织连接起来，让城市风环境预测从“每次重新计算”转向“预计算结果的快速调用”。

论文信息

论文题名: A fast prediction framework for urban microscale wind environment based on precomputed CFD database
作者: Zhao Peisheng; Li Chao; Yang Chao; Han Zhichen; Chen Lingwei; Hu Gang; Li Lixiao; Wang Xiaolu*
期刊: Building Simulation
年份: 2026
DOI: https://doi.org/10.1007/s12273-025-1379-7
WOEAI 相关方向: 建筑结构抗风 / 数值风洞与湍动入流

三句话导读

这篇论文研究如何把城市微尺度风环境 CFD 结果预先组织成数据库，用于后续快速预测和 WebGIS 展示。它重要，因为城市风环境评估既需要看清街区尺度细节，又常常不能为每次规划调整重新做完整高分辨率 CFD。读者可以带走的结论是：预计算 CFD 数据库可以把风环境评估前置加速，但区块划分、过渡区和现场验证决定了它的可信边界。

关键数字 / 关键结论卡

框架把 GIS 建筑与地形模型划分为 \(1\,\mathrm{km} \times 1\,\mathrm{km}\) 区块，并以区块 CFD 结果组成预计算数据库。
论文建议核心建筑群可选择 \(4H_{\mathrm{max}}\) 作为过渡区长度；在计算规模受限时，\(3H_{\mathrm{max}}\) 也可作为可选方案。
在 \(11\,\mathrm{m/s}\) 风速阈值下，三个气象站平均风速相对误差在 \(90^\circ\) 风向下控制在 \(17\%\) 以下，在 \(120^\circ\) 风向下控制在 \(20\%\) 以下。

摘要

城市微尺度风场预测的精度和效率，对于风环境评估和城市规划等应用至关重要。然而，传统数值天气预报依赖中尺度模拟数据，往往受到空间和时间分辨率不足的限制。为解决这一问题，本文通过建立基于分块计算流体力学（CFD）的城市微尺度风场数据库，提出一种快速风场预测新框架。

该框架将基于 GIS 的建筑与地形模型划分为 \(1\,\mathrm{km} \times 1\,\mathrm{km}\) 区块，并以各区块的 CFD 模拟结果组成预计算数据库。研究进一步开展综合分析，以确定考虑周边建筑气动影响所需的最优过渡区长度。相邻区块界面处风剖面差异较小，验证了这种独立分块模拟方法的可行性。

此外，论文还将统计得到的平均风速与多个气象站一年的现场数据进行比较，展示了该框架的预测能力。最后，包含风速比和风压系数的预计算 CFD 数据库被集成到 WebGIS 平台中，从而支持实际应用。

研究问题

预计算 CFD 数据库要解决的是城市风环境评估的速度和可信度折中。本文回答三个问题：

如何把城市区域拆分成可重复计算、可管理、可组合的微尺度风场单元？
如何保证分块计算不会破坏相邻区块之间的风场连续性？
如何把计算结果从论文中的数值结果推进到可查询、可展示、可用于工程判断的数据库？

方法贡献

我们的核心思路是建立一个 基于区块的城市微尺度风场预计算 CFD 数据库。

具体来说，研究以深圳部分区域为示例，先基于 GIS 建筑轮廓、地形数据和自动化建模流程生成城市建筑与地形模型，然后将研究区域划分为 \(1\,\mathrm{km} \times 1\,\mathrm{km}\) 的区块。每个区块在考虑周边建筑与地形影响后开展 CFD 计算，得到风速、风压等结果，并进一步整理为风速比和风压系数数据库。

这个框架的工程含义在于：如果一个城市片区已经完成了标准化的高分辨率计算，那么后续在不同风向、不同高度或不同应用场景下，就可以更快调用已有数据库，而不是每次都重新搭建完整计算任务。

论文图 2 深圳建筑分块划分示意图

城市区域被组织为可计算、可拼接、可入库的微尺度风场单元，这是后续建立区块 CFD 数据库的基础。

关键发现

1. 过渡区长度会影响分块 CFD 的可靠性

针对问题 1，分块计算的一个关键问题是：如果只计算核心区块，周边建筑对风场的影响可能被截断；但如果过渡区设置太大，计算成本又会上升。

论文中比较了不同过渡区长度 \(X_L\) 对核心区域风场的影响，并使用 \(\mathrm{FB}\)、\(\mathrm{NMSE}\)、\(\mathrm{FAC2}\) 和线性相关系数 \(R\) 等指标进行评价。结果显示，随着 \(X_L\) 增大，系统误差和随机误差逐渐降低，相关性和拟合程度提高。

从工程折中角度看，论文建议核心建筑群可选择 \(4H_{\mathrm{max}}\) 作为过渡区长度；在考虑计算规模和成本时，\(3H_{\mathrm{max}}\) 也可以作为一种可选方案。这里的 \(H_{\mathrm{max}}\) 是核心区域最高建筑高度。

2. 相邻区块之间的风场可以保持较好一致性

针对问题 2，我们进一步比较了两个相邻 :math:`1,mathrm{km} times 1,mathrm{km}` 区块在公共界面上的风速和湍流强度分布。 这个验证很重要，因为数据库最终要支持多个区块的组合与调用，如果公共界面差异过大，分块数据库的工程意义就会被削弱。

论文中的结果显示，相邻区块公共界面上的风速和湍流强度整体具有较好一致性，局部差异仍然存在，但在设置过渡区后，其影响已经较小。

3. 与气象站实测数据的对比支持框架应用

针对问题 3，为了验证框架的预测能力，论文选取研究区域内多个气象自动站，并将 CFD 模拟风速比与实测风速比进行比较。 研究中使用 10 分钟平均风速作为分析基础，并在不同风速阈值下筛选数据。

在高风速条件下，热力影响相对减弱，CFD 与实测数据之间的平均相对误差进入可接受范围。论文中给出的结果显示，在 \(11\,\mathrm{m/s}\) 风速阈值下，三个气象站的平均风速相对误差在 \(90^\circ\) 风向下控制在 \(17\%\) 以下，在 \(120^\circ\) 风向下控制在 \(20\%\) 以下。

这里使用风速比相对误差来描述 CFD 结果与现场实测之间的差异：

\[E = \frac{K_{\mathrm{CFD}} - K_{\mathrm{m}}}{K_{\mathrm{m}}} \times 100\%\]

其中，\(K_{\mathrm{CFD}}\) 是 CFD 模拟得到的风速比，\(K_{\mathrm{m}}\) 是现场实测得到的风速比，\(E\) 是二者之间的相对误差。

这条公式的含义很直接：我们不是只看某个风速值是否相同，而是比较“局地测点相对于参考点的风速比例”是否一致。这样可以更好地评估微尺度风场结构是否被 CFD 数据库捕捉到。

论文图 21 气象自动站的位置与观测环境

现场监测数据用于检验区块 CFD 数据库在真实城市环境中的预测能力。

工程意义

这篇论文的价值不只是提出一个算法，而是把城市微尺度风环境评估向“可数据库化、可平台化、可快速调用”的方向推进了一步。

对城市风环境评估来说，预计算 CFD 数据库可以支持：

城市片区规划阶段的快速风环境筛查；
建筑群布局调整时的多方案对比；
行人高度风环境和局地强风区域识别；
风速比、风压系数等数据在 WebGIS 平台中的可视化；
后续与 AI 代理模型、快速几何重构、数字孪生或工程咨询平台结合。

论文图 25 WebGIS 中风速与风压数据的可视化展示

预计算 CFD 数据库不只停留在离线计算结果中，也可以进一步进入查询、展示和工程沟通平台。

对 WOEAI 的研究方向来说，这项工作也连接了几个长期关注的问题：数值风洞、湍动入流、城市复杂风场、工程软件平台，以及 AI 赋能的快速建模与预测。

适用边界

这项工作并不意味着所有城市风环境问题都可以被“一键精确预测”。预计算 CFD 数据库的可靠性仍然依赖几个前提：

城市几何、地形和边界条件需要与数据库构建逻辑匹配；
区块划分和过渡区长度需要经过验证；
数据库覆盖的风向、高度、地貌和建筑条件会限制可调用范围；
对特殊建筑形态、极端风情景或高风险区域，仍需要有针对性的专项 CFD 复核；
WebGIS 平台提升的是调用和沟通效率，不会自动消除模型假设带来的不确定性。

所以，更准确的理解是：预计算 CFD 数据库适合承担快速筛查、方案比较和工程沟通的前置角色，而不是替代所有高精度专项分析。

延伸阅读

完整引用

[72] Zhao Peisheng; Li Chao; Yang Chao; Han Zhichen; Chen Lingwei; Hu Gang; Li Lixiao; Wang Xiaolu*, A fast prediction framework for urban microscale wind environment based on precomputed CFD database[J]. Building Simulation, 2026, 19(2): 333～357. https://doi.org/10.1007/s12273-025-1379-7.

收录信息见 WOEAI 学术成果页对应条目。