基于高斯过程回归方法的平坡屋面风压系数分析

本文采用高斯过程回归方法,选取平坡屋面32个代表性测点(总测点的50%)的位置信息和风压系数为训练样本构建屋面风压系数的插值模型,分别得出0°,30°,60°和90°风向角下平均风压系数、脉动风压系数和峰值负压系数的插值结果。由插值结果和实测对比的误差发现,插值模型拥有较好的准确率,在0°和90°风向角下插值误差不超过26%(绝对值),危险风向角30°和60°下个别测点误差上升但最大不超过50%。由插值模型获取的风压系数云图能较好地补足试验测点难以顾及的边缘位置,使得云图更加平滑,屋面涡旋区域描述更清晰。高斯过程回归方法适用于风压系数插值研究,可有效减少风洞试验模型的测点布置数量,减轻试验繁琐度。本文研究成果可对风洞试验气动数据库提供一定支撑。

基于BP神经网络TTU屋面风压极值插值分析

为解决风洞试验中模型屋面测点布置无法完全覆盖,而导致对屋面风压数据掌握不完全的问题,本文基于BP神经网络对低矮建筑标准模型屋面角部区域风压极值进行插值预估,建立神经网络模型训练样本的同时保证极值信息的完备,构建贝叶斯训练模型对角部区域测点进行训练。结果表明:当风向角为0°和90°时,BP神经网络预测角部区域极值结果误差率为15%以下,当风向角为30°与60°时,由于受锥形涡的影响,预测效果稍差,最高误差率为50%;采用BP神经网络方可以优化模型屋面测点布置方式,完善屋面风压分布特征。