[发明专利]基于数据驱动的脉动风速模拟方法

摘要

本发明提出了基于数据驱动技术进行脉动风速模拟方法。首先通过AR法数值模拟出超高层建筑一定数量沿高度分布的脉动风速作为样本数据，然后分别采用BP神经网络、SVM、LS-SVM三种基于数据驱动技术方法对某些高度区域内的样本数据进行内插法的学习和训练，建立回归预测模型，并模拟预测其它高度区域的脉动风速。采用预测模拟值与目标值（原始数据）的相关系数、均方根误差以及模拟所需要的时间作为评价指标。通过评价指标的对比，结果表明：BP神经网络虽然耗时少但模拟精度较差；SVM虽然模拟精度较高但比较耗时；LS-SVM不仅模拟精度高而且耗时少。

主权项

一种基于数据驱动的脉动风速模拟方法，通过某些高度的脉动风速样本数据的内插学习和训练，预测其他高度的脉动风速时程；其特征在于，具体步骤如下：1)选择超高层建筑，确定数值模拟脉动风速所需要的参数：模拟的建筑高度和模拟风速点的各高度、该处10米高度的平均风速、表面粗糙度系数、地面粗糙度指数、模拟相关函数；2)通过AR法数值模拟生成的一定数量沿高度均匀分布的脉动风速时程，作为有限的原始脉动风速样本数据；并对风速功率谱密度、自相关函数及互相关函数的模拟值与相应目标值的吻合程度进行检验，以验证基于AR模型模拟超高层建筑风速时程的可行性；3)分别采用BP神经网络、SVM、LS‑SVM三种数据驱动技术方法，对某些高度区域内的样本数据进行内插法的学习和训练，建立预测模型，通过输入间隔两层的样本数据，输出中间层相应时间的脉动风速；4)采用预测模拟值与目标值的相关系数、均方根误差以及模拟所需要的时间作为评价指标，对结果进行分析，获得不同数据驱动方法各自的模拟优势和劣势。