基于多源数据融合方法的龙卷风切向速度预测

龙卷风具有作用范围小、持续时间短、作用强度大的特点,是自然灾害中破坏力最大的灾害之一.受限于龙卷风危险性及发生发展时空随机性,现场实测数据过于稀缺且难以收集近地面区域风场数据.鉴于此,提出了基于神经网络模型的数据融合方法,实现不同来源风场数据的融合,并对模型预测效果及泛化能力进行验证.在此基础上,对龙卷风切向速度场进行了预测.研究表明:在低涡流比龙卷风预测中,实测数据的驱动模型平均误差在35%以上,而采用数据融合驱动模型平均误差为14%以下,表明融合模型具有较好的预测精度.在高涡流比龙卷风预测中,实测数据驱动模型平均误差在28%左右,而数据融合驱动模型平均误差在10%以下,表明数据融合模型在预测高涡流比时仍保持较高精度,具有较好泛化性.融合模型重构的低涡流比风场涡核为破裂状,高涡流比风场核心区域风速明显增加,且近地面风速覆盖范围增加.该模型能获取近地面及涡核中心附近处的风场数据,同时提高了龙卷风风场空间分辨率,为龙卷风环境下结构抗风实践提供重要支撑.

塔吊对高柔桥塔风致振动响应的影响

在均匀流场和B类紊流场中测试不同风偏角下有无塔吊情况的塔顶和0.65倍塔高处桥塔的风致振动响应,对设计基准风速下的风振响应进行对比分析,研究塔吊以及流场类型对桥塔风致振动的影响。通过分析可知,塔吊和流场类型对桥塔风致振动的均值几乎没有影响,但会影响风致振动的方差。。

典型钝体断面颤振时压力分布特性

本论文通过对典型钝体断面模型颤振和固定时以及加稳定板模型颤振时进行表面压力分布测试。首先分析典型钝体断面模型颤振时表面各部分压力波动特性,然后运用本征正交分解(POD)方法分析典型钝体断面模型颤振时表面压力分布特性,最后将原断面模型颤振时压力分布和固定时压力分布进行对比分析。