结合2015年第1509号超强台风"灿鸿"期间在杭州九堡大桥的现场实测数据,基于WRF(weather research and forecasting)和LES(大涡模拟)的台风多尺度耦合数值模拟方法,重现了台风"灿鸿"的中小尺度发展演化过程,并对九...结合2015年第1509号超强台风"灿鸿"期间在杭州九堡大桥的现场实测数据,基于WRF(weather research and forecasting)和LES(大涡模拟)的台风多尺度耦合数值模拟方法,重现了台风"灿鸿"的中小尺度发展演化过程,并对九堡大桥周边台风风场进行多尺度精细化模拟;以多项式插值的方式解决疏网格向密网格的背景风场要素降尺度耦合问题;最后通过大涡模拟获得了九堡大桥周边地区30 min瞬态台风风场数据。模拟得到的瞬态风速结果与实测数据在统计意义上较为吻合,表明WRF-LES耦合系统能实现从气象中尺度到建筑小尺度的多尺度数值模拟,有效地获取一次台风过程中目标区域的瞬态台风风场。NSRFG(narrowband synthesis random flow generator)方法生成的入口脉动风速适用于局部台风风场的LES计算,模拟所得风速功率谱与实测结果在低频段基本一致。展开更多
基于准定常假定,风荷载与风速平方成正比。为了实现对结构的台风动力效应进行分析预测,建立了耦合数值天气预报(weather research and forecast,WRF)模式和现场实测数据的风速预测神经网络模型,开展台风短期风速的高精度预测。利用该模...基于准定常假定,风荷载与风速平方成正比。为了实现对结构的台风动力效应进行分析预测,建立了耦合数值天气预报(weather research and forecast,WRF)模式和现场实测数据的风速预测神经网络模型,开展台风短期风速的高精度预测。利用该模型对2017年"泰利"和2018年"康妮"的台风风场进行模拟和预测。为了提高神经网络训练效率和短期风速预测精度,使用经验模态分解和小波变换对风速数据进行分解,将分解后的风速分量作为神经网络的输入。结合数据分解方法,分别采用BP、Elman、GRNN和ANFIS等4种神经网络模型完成了两次台风影响下某实测场地平均风速的6步提前预测。结果表明,基于集合经验模态分解或小波分解的神经网络预测方法,相比不进行数据分解的直接神经网络预测法,台风风速预测精度提高了50%以上。在4种神经网络模型中,小波变换和BP神经网络模型组合具有最优的台风风速预测精度。展开更多
文摘结合2015年第1509号超强台风"灿鸿"期间在杭州九堡大桥的现场实测数据,基于WRF(weather research and forecasting)和LES(大涡模拟)的台风多尺度耦合数值模拟方法,重现了台风"灿鸿"的中小尺度发展演化过程,并对九堡大桥周边台风风场进行多尺度精细化模拟;以多项式插值的方式解决疏网格向密网格的背景风场要素降尺度耦合问题;最后通过大涡模拟获得了九堡大桥周边地区30 min瞬态台风风场数据。模拟得到的瞬态风速结果与实测数据在统计意义上较为吻合,表明WRF-LES耦合系统能实现从气象中尺度到建筑小尺度的多尺度数值模拟,有效地获取一次台风过程中目标区域的瞬态台风风场。NSRFG(narrowband synthesis random flow generator)方法生成的入口脉动风速适用于局部台风风场的LES计算,模拟所得风速功率谱与实测结果在低频段基本一致。
文摘基于准定常假定,风荷载与风速平方成正比。为了实现对结构的台风动力效应进行分析预测,建立了耦合数值天气预报(weather research and forecast,WRF)模式和现场实测数据的风速预测神经网络模型,开展台风短期风速的高精度预测。利用该模型对2017年"泰利"和2018年"康妮"的台风风场进行模拟和预测。为了提高神经网络训练效率和短期风速预测精度,使用经验模态分解和小波变换对风速数据进行分解,将分解后的风速分量作为神经网络的输入。结合数据分解方法,分别采用BP、Elman、GRNN和ANFIS等4种神经网络模型完成了两次台风影响下某实测场地平均风速的6步提前预测。结果表明,基于集合经验模态分解或小波分解的神经网络预测方法,相比不进行数据分解的直接神经网络预测法,台风风速预测精度提高了50%以上。在4种神经网络模型中,小波变换和BP神经网络模型组合具有最优的台风风速预测精度。