大跨度屋蓋結構風壓預測方法研究

1、大跨度屋蓋結構風壓預測方法研究論文摘要：式中，img2是預測時選取的主坐標，img3是預測位置的本征模態(tài)，由于本征模態(tài)是僅依賴于空間位置的隨機函數(shù)，因此可以通過插值來得到預測位置的模態(tài)，而且不同插值模態(tài)精度是影響預測精度的重要因素之一，由于篇幅有限本文對不同插值方法的精度不做詳細分析，在進行風壓預測時均采用插值精度較高的樣條曲面插值方法進行后續(xù)計算。-論文關鍵詞：預測,選取,坐標,預測,位置本試驗在廣東省建筑科學研究院CGB-1建筑風洞中進行。該風洞為串聯(lián)雙試驗段單回流式大氣邊界層風洞，大試驗段長10米x寬3米x高2米，最高風速為18米/秒，其工作轉盤直徑為2.5米，采用檔板、尖塔、粗糙元裝置

2、模擬大氣邊界層風場。鄂爾多斯火車站剛性模型測壓風洞試驗即在此試驗段進行。圖3預測點的分布圖4預測點風壓系數(shù)時程Fig.4Windpressurecoefficienttimeserialofpredictedpoints圖5預測點脈動風壓系數(shù)時程Fig.5Fluctuatingwindpressurecoefficienttimeserialofpredictedpoints從圖中可以看出，風壓系數(shù)時程預測值與試驗值的變化趨勢相同，但是均值偏大，極值不夠吻合，說明均值和極值的預測效果欠佳；脈動風壓時程預測值與試驗值根本吻合，說明脈動風壓系數(shù)預測效果較好。為了進一步考察本征模態(tài)數(shù)對預測精度的影響

3、情況，本文對選用不同模態(tài)數(shù)時脈動風壓均方根預測值與試驗值的誤差進行分析。圖6給出了各預測點的誤差曲線。0(a)(b)(c)(d)(e)(f)(g)(h)(i)(j)圖6預測結果誤差曲線ai與模態(tài)累計能量比曲線(j)Fig.6Predictionerrorcurves(ai)andtotalenergyratiocurve(j)從誤差曲線走勢看，脈動風壓均方根相對誤差隨模態(tài)階數(shù)的增加在一定范圍內呈現(xiàn)出減小的趨勢，尤其是前幾階模態(tài)誤差減小明顯，這與模態(tài)能量比曲線變化規(guī)律類似。但是并不是隨著模態(tài)的增加，相對誤差會逐步減少，有時反而會出現(xiàn)誤差增大的現(xiàn)象。從誤差曲線數(shù)值上看，屋蓋曲面邊緣上的點Z101、

4、Z119的預測脈動風壓均方根誤差相對較大。從總體上看，不同預測點的誤差曲線差異明顯，很難找到統(tǒng)一的模態(tài)截斷的數(shù)量，其原因本文所研究的大跨度非規(guī)那么曲面屋蓋結構由于幾何特性導致的湍流特性使得其風荷載分布較為復雜。為了進一步考察風向角對預測精度的影響，本文選擇Z143點作為研究對象，圖7給出了從0度到315度每隔45度一個風向角情況下的脈動風壓均方根誤差曲線。從圖中可以看出，隨著模態(tài)數(shù)的增加脈動風壓均方根誤差呈減小趨勢，到一定范圍后誤差曲線平穩(wěn)，說明均方根誤差減小不明顯。各風向角差異不明顯，大局部在30階左右就可以到達最小誤差。圖7Z143點不同風向角誤差曲線Fig.7errorcurvesofp

5、redictedpointZ143indifferentwinddirection0(a)(b)圖8樣本1a與樣本2b測點分布Fig.8Distributionofmeasuringpointsforsample1(a)andsample2(b)表1樣本測試預測結果比照Table1Comparisonofpredictionresultsoftwosamples 測點 試驗值 樣本1 樣本2 預測值 相對誤差 預測值 相對誤差 Z22 -0.496 -0.475 4.29% -0.523 5.56% Z26 -0.377 -0.37 1.91% -0.38 0.81% Z52 -0.467 -

6、0.43 7.89% -0.533 14.12% Z56 -0.645 -0.638 1.11% -0.731 13.41% 表2BPNN預測結果Table2PredictionresultsusingBPNN 測點 目標值 預測值 相對誤差絕對值 Z22 -0.496 -0.496 0.02% Z26 -0.377 -0.37 1.88% Z52 -0.467 -0.491 5.05% Z56 -0.645 -0.636 1.45% Z85 -0.817 -0.811 0.71% Z101 -0.451 -0.456 0.97% Z119 -0.302 -0.398 31.82% Z139

7、-0.52 -0.511 1.82% Z143 -0.452 -0.442 2.32% 從表中數(shù)據看出，BP網絡在預測0度風向角時，大局部仿真值即預測值與試驗值的差異不大，都能控制在5%以內，因此能夠滿足工程精度要求。為了考察BP網絡在預測不同位置測點的精度，下面以Z85點為例，分別對其位于區(qū)域中心、角點以及邊緣時，0度到315度，每45度一個風向角，共8個風向角進行風壓預測。Z85處于不同位置的樣本數(shù)據選擇如圖9所示。圖9預測點Z85不同位置的樣本分布Fig.9DistributionofBPNNsamplesofpredictionpointZ85indifferentpositions表

8、3給出了Z85不同位置，各風向角的仿真結果，從表中可以看出風向角對預測精度的影響不大，但是測點位置對預測精度的影響較大，處在腳部位置的點預測精度不高，有待進一步改善。表3Z85各位置不同風向角預測結果Table3Predictionresultsofvarypositionsindifferentwinddirections 風向角 試驗值 中間位置 預測值 相對誤差 0 -0.817 -0.84 -2.82% 45 -0.47 -0.469 0.14% 90 -0.205 -0.207 -0.98% 135 -0.452 -0.456 -0.90% 180 -0.44 -0.49 -11.2

9、6% 225 -0.654 -0.65 0.56% 270 -0.2 -0.194 3.12% 315 -0.379 -0.378 0.28% 續(xù)表3 邊緣位置 角部位置 預測值 相對誤差 預測值 相對誤差 -0.807 1.22% -0.75 8.20% -0.402 14.41% -0.529 -12.63% -0.206 -0.49% -0.19 7.32% -0.448 0.87% -0.667 -47.59% -0.418 5.09% -0.492 -11.71% -0.657 -0.51% -0.579 11.42% -0.208 -3.87% -0.218 -8.86% -0.3

10、89 -2.63% -0.462 -21.88% 本文采用風洞試驗數(shù)據，對未布置測點位置的風壓預測方法本征正交分解法和人工神經網絡進行研究，各自預測結果以及比照分析預測結果得出如下結論：1大跨度屋蓋結構，尤其是本文研究的大跨度非規(guī)那么曲面屋蓋結構的風荷載特性較高層建筑或平屋蓋結構復雜得多，因此運用POD進行預測時，其極值的預測和平均值的預測效果較差，但是均方根值的預測效果能夠到達精度要求。3合理BPNN樣本對預測效果產生較大影響，選擇適宜的學習方法將會使計算效率大大提高。4與POD法相比，BPNN避開了整體風場的相關性，因此對不同位置，不同風向角的敏感程度不會太大，其預測精度均能到達預期目標，但是BPNN的外插性能還難以滿足工程需要，對于處在極端角部位置的點其預測誤差較大，因此BP網絡逼近方法還有待改善