【技术实现步骤摘要】
本专利技术涉及建筑结构响应分析，具体是涉及一种台风过境期间超高层建筑结构风致响应长期智能预测方法。
技术介绍
1、超高层建筑的自振频率较低，阻尼较小，并且其基阶自振频率和台风脉动荷载的主导频率段较接近；在台风的作用下超高层建筑结构风效应显著，风致响应通常比较大。当结构振动响应达到某一限值时，居住者会感到不适。因此，针对台风事件，有必要进一步提升高层结构抗风设计水平，对强风期间超高层建筑结构风致响应进行全过程准确预测，进而对结构安全性、舒适性进行评估，给出相应事件预警。
2、由于在台风作用下，超高层建筑结构响应具有随机性、非高斯性以及非平稳性，这也意味着对台风作用期间建筑结构响应进行预测，特别是长期预测，是一项具有挑战性的工作，因此现有研究主要为特定时期或短时间段内的预测。例如：利用结构动力学方程并结合风洞试验/数值模拟对结构风致响应进行分析计算，该方法局限于仅参考相关规范特定重现期(如10年、1年)风压等个例情况，无法对台风过境全过程结构响应进行分析。
3、同时，利用传统线性统计分析模型(如自回归模型、自回归移动平均模型等)或机器学习模型(如bp神经网络、卷积神经网络、长短时记忆神经网络等)也可对结构风振响应进行预测分析。上述两种基于模型的方法往往采用结构响应实测时程数据作为训练集对模型进行训练，其预测效果与响应训练集的选取密切相关，而结构强风振响应数据采集受限于实际气象条件，获取较为困难。上述两种基于模型的方法研究主要集中在缺失信号的恢复及异常数据的填补等方面，预测的时间尺度范围一般在秒级和分钟级，而针
技术实现思路
1、基于此，本专利技术的目的是提供一种台风过境期间超高层建筑结构风致响应长期智能预测方法，以解决现有技术中台风过境期间超高层建筑结构风致响应长期预测结果不准确的问题。
2、一种台风过境期间超高层建筑结构风致响应长期智能预测方法，包括以下步骤：
3、步骤s11，建立目标超高层建筑的建筑模型和有限元模型，利用风洞试验得到结构气动力荷载以及利用有限元分析方法得到结构动力特性，并考虑来流风场及结构模态特征变化的影响，以计算出目标超高层建筑所对应的结构风振响应；
4、步骤s12，将所述结构风振响应作为样本集，风速、风向、结构频率及阻尼比作为输入特征变量，选用级联前向bp神经网络模型，并采用levenberg-marquardt算法对级联前向bp神经网络模型进行训练，以使级联前向bp神经网络模型的预测性能达到最优；
5、步骤s13，利用ai驱动的transformer气象预测模型和线性台风模型对目标超高层建筑的来流风场信息进行预测，该来流风场信息包括台风在未来不同时刻的中心位置、中心气压、风速和风向；
6、步骤s14，将所述来流风场预测信息及相应结构模态参数输入训练后的级联前向bp神经网络模型中，对目标超高层建筑在未来不同时刻条件下不同位置处的结构风振响应进行快速预测。
7、优选的，所述步骤s11包括：
8、步骤s111，建立目标超高层建筑的缩尺模型，利用风洞试验得到的风压分布进行积分以得到单位高度截面沿x轴的集中力fx、沿y轴方向的集中力fy以及对合力简化中心o的扭矩mz，并将集中力fx、集中力，fy及扭矩mz沿高度进行线性插值，以得到目标超高层建筑在不同风向条件下各楼层的风荷载，其中，
9、fx＝-wr∫lcosθ·cpds
10、fy＝-wr∫lsinθ·cpds
11、mz＝-wr∫l(xsinθ-ycosθ)·cpds
12、式中，wr是参考点高度的参考风压，θ是测点层截面边缘任一点的法向与x轴的夹角，l是线积分区域，cp为根据风压试验所测该点位置的风压系数，s为单位积分长度；x、y为笛卡尔直角坐标系平面正交轴；
13、步骤s112，建立目标超高层建筑的有限元模型，利用有限元分析方法得到目标超高层建筑的模态振型和自振频率；
14、步骤s113，考虑来流风场及结构模态特征变化的影响，结合结构动力学方程，采用模态分析方法得到结构响应的功率谱密度矩阵[saa(ω)]，并对功率谱密度进行积分，以得到结构风振响应的均方根值σa，其中，
15、[m]{a}+[c]{v}+[k]{y}＝{p(t)}
16、[saa(ω)]＝ω4[φ][hp(ω)]*[mp]-1[φ]t[spp(ω)][φ][mp]-1[hp(ω)]t[φ]t
17、
18、式中，[m]为n×n阶结构的质量矩阵，[c]为n×n阶结构的阻尼矩阵，[k]为n×n阶结构的刚度矩阵，a为结构的加速度，v为结构的速度，y为结构位移响应，p(t)为n维荷载向量，ω为圆频率，[φ]为结构振型，[hp(ω)]为模态坐标下的频响函数矩阵，上标“*”表示共轭，[mp]为模态质量矩阵，上标“-1”表示逆，[spp(ω)]为物理激励的功率谱密度矩阵，上标“t”表示转置。
19、优选的，所述步骤s12包括：
20、步骤s121，将结构风振响应作为样本集，以比例8:2随机划分训练集和测试集；
21、步骤s122，将风速、风向、结构频率以及结构阻尼比作为输入特征变量进行归一化处理，并将目标超高层建筑特定高度平面的x方向均方根响应和y方向均方根响应作为输出变量；
22、步骤s123，选用级联前向bp神经网络模型，并采用levenberg-marquardt算法对级联前向bp神经网络模型进行训练，以使级联前向bp神经网络模型的预测性能达到最优。
23、优选的，在对级联前向bp神经网络模型的各层激活函数进行设计时，隐藏层的激活函数选用logsig函数，输出层的激活函数选用purelin恒等映射函数。
24、优选的，所述步骤s13包括：
25、步骤s131，使用当前时刻全球三维气象数据作为输入参数，利用ai驱动的transformer气象预测模型获取未来不同时刻海平面高度的平均气压；
26、步骤s132，根据平均气压提取出台风在未来不同时刻的中心位置和中心气压；
27、步骤s133，根据线性台风模型，采用尺度分析方法对台风运动方程进行简化，以得到台风风场的径向u′风速和切向v′风速，并根据径向u′风速和切向v′风速的矢量和以得到台风风场的风向，其中，
28、径向u′和切向v′风速控制方程：
29、
30、式中，vg为梯度风速，r为目标位置与台风中心距离，λ为方位角，f为科氏参数，k为湍流扩散系数，z为海拔高度，ρ为空气密度，p为气压，δp为台风中心与标准大气压的气压差，b为径向气压分布系数，rmax为最大风速半径。
31、优选的，采用统计分析模型来确定线性台风模型中控制方程中的关键参数，其中，
32、b＝1.285本文档来自技高网...
【技术保护点】
1.一种台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于，所述步骤S11包括：
3.根据权利要求1所述的台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于，所述步骤S12包括：
4.根据权利要求3所述的台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于，在对级联前向BP神经网络模型的各层激活函数进行设计时，隐藏层的激活函数选用logsig函数，输出层的激活函数选用purelin恒等映射函数。
5.根据权利要求1所述的台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于，所述步骤S13包括：
6.根据权利要求5所述的台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于，采用统计分析模型来确定线性台风模型中控制方程中的关键参数，其中，
【技术特征摘要】
1.一种台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于，所述步骤s11包括：
3.根据权利要求1所述的台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于，所述步骤s12包括：
4.根据权利要求3所述的台风过境期间超高层建筑结构风致响应长期智能预测方法，其特征在于...
【专利技术属性】
技术研发人员：李飞强，张蓝方，余先锋，石碧青，谢壮宁，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。