一種基於建築風荷載極值等效的平均風速剖面預測方法

2023-12-02 17:45:02 1

1.本發明涉及土木工程技術領域，特別是一種基於建築風荷載極值等效的平均風速剖面預測方法。


背景技術：

2.平均風速剖面是描述大氣邊界層中平均風速隨高度變化規律的曲線，用於計算建築結構表面不同高度處的平均風速，是確定結構風荷載的重要基礎參數之一。現行世界主要風荷載標準採用的平均風速剖面計算模型包括指數律模型、對數律模型和d-h模型。目前，基於實測風速數據的平均風速剖面預測，採用平均風速剖面特徵參數序列的統計均值或包絡值作為特徵參數的推薦值，缺乏足夠的理論依據，且脫離了結構風荷載標準中平均風速剖面提出的初衷，即平均風速剖面特徵參數是確定結構風荷載極值的基礎性參數。


技術實現要素：

3.有鑑於此，本發明的目的在於提供一種基於建築風荷載極值等效的平均風速剖面預測方法，建立了平均風速剖面與目標風荷載極值之間的對應關係，使得原本不具有重現期概念的平均風速剖面與不同重現期的目標風荷載極值之間建立了一一對應關係，克服了現有平均風速剖面預測方法缺少理論依據的不足。
4.為實現上述目的，本發明採用如下技術方案：一種基於建築風荷載極值等效的平均風速剖面預測方法，其特徵在於包括以下步驟：
5.步驟s1,將測風塔不同高度處的實測原始風速數據data
draw
進行預處理，剔除異常值，並根據氣候類型對風速數據進行分類，獲得該區域不同氣候下的實測風速樣本data；
6.步驟s2,以實測風速樣本data為分析對象，分別採用不同的平均風速剖面計算模型即指數律模型、對數律模型和deaves-harris模型，進行擬合，獲得測風塔所在區域地面粗糙度類別的平均風速剖面特徵參數；對平均風速剖面預測模型的擬合優度進行檢驗，獲得最優模型並作為該區域平均風速剖面預測的推薦模型model
best
；採用最優的平均風速剖面推薦計算模型model
best
對實測風速數據序列data進行擬合，獲得對應的平均風速剖面特徵參數樣本序列α；
7.步驟s3,將平均風速剖面特徵參數樣本序列α代入選定的建築風荷載標準，計算作用在目標建築物上的風荷載—剪力、彎矩、軸力，並得到相應風荷載樣本序列f
wind
；對目標建築物的風荷載樣本序列f
wind
進行極值分析，獲得不同重現期的風荷載極值
[0008][0009]
步驟s4,根據目標建築風荷載極值等效原則，基於不同重現期的風荷載極值通過選定的建築風荷載標準反向推導得到目標建築物的等效平均風速剖面特徵參數預測值
[0010]
在一較佳的實施例中，平均風速數據處理包括實測數據預處理，具體包括剔除亂
碼、剔除僵值以及剔除野點；所述剔除僵值具體為把連續出現某個測值的個數超過10個的數據定義為僵值；剔除原則：找出僵值與僵值後第一個與之不同的數據之差大於0.5，則將該段數據剔除；剔除野點具體為：首先根據超聲風速儀的數據判別碼，自動判別由於降雨影響而產生的無效數據，剔除無效數據，然後採用線性插值法進行插補；
[0011]
採取多倍截斷方差法判斷風速數據是否為野點，採用3倍方差為判定標準；具體方法如下：
[0012]
首先將風速時程數據序列：u(i)(i＝1,2,
…
,n)，構成其差分數組序列du(i)：
[0013]
du(i)＝u(i+2)-u(i)，i＝(1,2,...,n-2)
ꢀꢀꢀ
(1)
[0014]
計算差分序列的du(i)和du(i)2的平均值分別和為如下所示：
[0015][0016][0017]
其截斷方差計算
[0018][0019]
判斷野點標準為：當|du(i)|﹥3σ或|du(i+2)|﹥3σ，則u(i+2)為野點；
[0020]
對野點的數值採用之前相關風速序列進行插值替換如下：
[0021]
u(i)＝u(i-1)rm+(1+rm)umꢀꢀꢀ
(5)
[0022]
式中，u(i-1)為野點前一時刻的值，rm及um分別為野點前10個數據樣本自相關係數和平均值，分析時取m＝10。
[0023]
在一較佳的實施例中，平均風速數據處理還包括根據氣候類型對風速數據進行分類；所述氣候類型具體包括颱風氣候、良態風氣候及混合風氣候；進行颱風氣候下平均風速樣本選擇時基於以下3點：在颱風7級風圈影響範圍內，測風塔10m高度處10min平均風速需大於13.9m/s，風速樣本迎風向下墊面粗糙度一致；良態風氣候下的平均風速樣本選擇基於以下3點：剔除颱風期間風速樣本，測風塔10m高度處10min平均風速大於10.8m/s，風速樣本迎風向下墊面粗糙度一致；混合風氣候的平均風速樣本選取基於以下2點：測風塔10m高度處10min平均風速大於10.8m/s，風速樣本迎風向下墊面粗糙度一致。
[0024]
在一較佳的實施例中，所述指數律模型為：
[0025][0026]
式中，zb、分別為參照高度和該高度處的平均風速；z、分別為任意高度和該高度處的平均風速；α為平均風速剖面指數，與地面粗糙程度有關；
[0027]
所述對數律模型為：
[0028][0029]
式中：k為karman常數，取0.4；為摩擦速度；z0為地面粗糙長度，用於表徵地面粗
糙程度；
[0030]
所述deaves-harris模型為：
[0031][0032]
式中，為大氣邊界層高度，b'為經驗參數，取6，f為科裡奧力參數，取7.554
×
10-5s-1。
[0033]
在一較佳的實施例中，平均風速剖面回歸分析包括兩個步驟：
[0034]
1)將非線性平均風速剖面公式通過一定的變化得到線性公式，利用線性最小二乘回歸初步得到平均風速剖面模型的擬合參數；
[0035]
2)直接基於非線性平均風速剖面模型進行非線性最小二乘回歸，並利用牛頓迭代法進行相關參數的求解，迭代初值選用步驟1)初步得到的擬合值；各平均風速剖面模型的回歸過程如下所示：
[0036]
指數律模型：
[0037]
①
平均風速剖面指數初值α0計算
[0038]
對式(6)兩側取對數得，
[0039][0040]
式中：i為測風塔實測風速數據樣本編號；zi為編號i處樣本點高度，為高度zi處的實測風速；zr為參照樣本點高度，為高度zr處的實測風速，即參照風速；
[0041]
設應用線性最小二乘法對平均風速剖面指數初值α0進行線性擬合，當擬合計算風速與實測風速離差平方和最小時，得α0的計算公式為：
[0042][0043]
式中：n為測風塔實測風速數據樣本數量
[0044]
②
平均風速剖面指數α非線性回歸
[0045]
對平均風速剖面模型直接進行回歸分析時，殘差平方和按下式進行計算：
[0046][0047]
使最小的必要條件為：
[0048][0049]
得到方程：
[0050]
[0051]
式(7)為非線性方程，直接求得解析解困難，利用牛頓迭代法求其近似解；根據牛頓迭代法得指數律模型的牛頓迭代公式為：
[0052][0053]
迭代初值選擇上一步驟中得到的平均風速剖面指數初值α0；
[0054]
對數律模型：
[0055]
①
對數律模型特徵參數初值計算
[0056]
依據式(7)可得：
[0057][0058]
設yi′
＝ln(zi)，b＝ln(z0)，應用線性最小二乘法對各高度實測平均風速進行線性擬合，當擬合計算風速與實測風速離差平方和趨於零可得a、b的計算公式為：
[0059][0060][0061]
式中：為xi′
的平均值，為yi′
的平均值；在得到擬合參數a、b後即可反算得到摩擦速度和地面粗糙度的初值z0'；
[0062]
②
對數律模型非線性回歸
[0063]
基於非線性平方差最小的原則，對數律模型回歸分析時的待定參數為z0和根據多元函數的極值定理，使非線性平方差最小的必要條件為：
[0064][0065]
即
[0066][0067]
此為非線性方程組，直接利用牛頓迭代法進行求解複雜困難，通過消去參數構造方程為：
canada 2015、歐洲標準en 1991-1-4:2005、澳大利亞/紐西蘭標準as nza 1170.2-2011或國際標準化協會標準iso 4351-2009，計算作用在目標建築物上的風荷載—剪力、彎矩，並得到相應風荷載樣本序列。
[0088]
在一較佳的實施例中，在獲得目標建築風荷載樣本序列的基礎上，利用極值分析獲得目標建築風荷載極值；極值分析主要包括取樣、概率回歸、擬合優檢驗及極值預測，其中：
[0089]
取樣，在極值分析中，取樣方法主要包括區間最大值法即bmm法和閾值法即pot，其中區間最大值法為假設x1，x2，
…
，xn相互獨立且均服從分布f(x)，將其分成長度合適的若干區間，取每個區間內的最大值組成的樣本即為區間極大值樣本；閾值法為取樣本中大於某固定值的所有數據，該固定值稱為閾值；對於觀測時間較短的樣本建議採用閾值法進行取樣；
[0090]
概率回歸分析包括概率分布模型的選擇和參數的估計兩個步驟；風荷載極值預測常用的概率模型有廣義pareto分布、廣義極值分布、廣義正態分布、廣義logistic分布及p-iii型分布，常用的參數估計方法包括矩法、極大似然法、線性矩法、最小二乘法和概率權重法；
[0091]
擬合優度檢驗，在概率回歸分析中，對於採用相同取樣方法獲得的樣本，不同概率分布模型的擬合效果不一，存在最佳概率分布模型；同時，對於同一概率模型，採用不同參數估計方法獲得的模型參數一般不同，存在最適合的參數估計方法；因此在獲得目標建築風荷載樣本需利用不同取樣方法+不同概率模型+不同參數估計方法對樣本進行回歸分析，通過擬合優度檢驗對不同取樣方法+概率模型+參數估計方法的組合進行比選，獲得對該樣本擬合效果最好的取樣方法+概率模型+參數估計方法組合；擬合優度檢驗方法常包括常用的擬合優度檢驗方法有q-q圖檢驗法、kolmogorov-smirnov檢驗法即k-s檢驗、anderson-darling檢驗法即a-d檢驗和卡方檢驗；極值預測，利用上一步驟得到的最佳取樣方法+概率模型+參數估計方法組合對目標建築風荷載樣本序列進行極值分析，得到不同重現期的風荷載極值。
[0092]
在一較佳的實施例中，根據目標建築風荷載極值等效原則，基於步驟s3獲得的不同重現期的風荷載極值，通過反向推導得到目標建築物不同重現期的等效平均風速剖面特徵參數預測值.
[0093]
與現有技術相比，本發明具有以下有益效果：
[0094]
本發明以「平均風速剖面特徵參數是確定建築結構風荷載極值的基礎性參數」為基礎，通過不同時刻的實測平均風速剖面特徵參數樣本序列獲得作用在結構上的對應風荷載樣本序列，進而通過極值分析獲得作用在建築結構上不同重現期的風荷載極值，再根據建築風荷載極值等效原則，通過選定的建築風荷載標準反算獲得對應的不同重現期的等效平均風速剖面特徵參數預測值。該方法依據建築風荷載標準中風荷載的計算原則，建立了平均風速剖面與目標風荷載極值之間的對應關係，具有明確的物理意義和堅實的理論基礎，使得原本不具有重現期概念的平均風速剖面與不同重現期的目標風荷載極值之間建立了一一對應關係，克服了現有平均風速剖面預測方法缺少理論依據的不足。
附圖說明
[0095]
圖1為本發明優選實施例的工作流程圖；
[0096]
圖2為本發明優選實施例的5#住宅正立面圖(單位：m)；
[0097]
圖3為本發明優選實施例的5#住宅側立面圖(單位：m)；
[0098]
圖4為本發明優選實施例的5#住宅平面圖(單位：m)；
[0099]
圖5為本發明優選實施例的良態風氣候下平均風速剖面擬合優度檢驗結果；
[0100]
圖6為本發明優選實施例的颱風氣候下平均風速剖面擬合優度檢驗結果；
[0101]
圖7為本發明優選實施例的混合風氣候下平均風速剖面擬合優度檢驗結果。
[0102]
圖中：圖5(a)為良態風氣候下平均風速剖面擬合判定係數r
nl
，圖5(b)為良態風氣候下平均風速剖面擬合相對誤差；圖6(a)為颱風氣候下平均風速剖面擬合判定係數r
nl
，圖6(b)為良態風氣候下平均風速剖面擬合相對誤差；圖7(a)為混合風氣候下平均風速剖面擬合判定係數r
nl
，圖7(b)為良態風氣候下平均風速剖面擬合相對誤差。
具體實施方式
[0103]
下面結合附圖及實施例對本發明做進一步說明。
[0104]
應該指出，以下詳細說明都是例示性的，旨在對本技術提供進一步的說明。除非另有指明，本文使用的所有技術和科學術語具有與本技術所屬技術領域的普通技術人員通常理解的相同含義。
[0105]
需要注意的是，這裡所使用的術語僅是為了描述具體實施方式，而非意圖限制根據本技術的示例性實施方式；如在這裡所使用的，除非上下文另外明確指出，否則單數形式也意圖包括複數形式，此外，還應當理解的是，當在本說明書中使用術語「包含」和/或「包括」時，其指明存在特徵、步驟、操作、器件、組件和/或它們的組合。
[0106]
如圖1所示，本發明為一種基於建築風荷載極值等效的平均風速剖面預測方法，該方法分為四步：第一步，平均風速原始數據處理，獲得不同氣候類型下的風速樣本；第二步，採用指數律、對數率和d-h模型對實測數據進行回歸分析，並通過擬合優度檢驗獲得平均風速剖面最優模型，進而獲得平均風速剖面特徵參數樣本序列；第三步，選擇合適的建築風荷載標準，將平均風速剖面特徵參數樣本序列轉化為目標建築風荷載樣本序列，通過極值分析獲得不同重現期的目標建築風荷載極值；第四步，根據目標建築風荷載極值等效原則，獲得不同重現期的平均風速剖面特徵參數預測值。在本發明一實施例中，該方法具體實現步驟如下：
[0107]
步驟s1.平均風速原始數據處理
[0108]
(1)實測數據預處理
[0109]
剔除亂碼，由於信號傳送或儀器故障導致的數據遺失或出現的數據亂碼，故首先需要將這些亂碼數據剔除。
[0110]
剔除「僵值」，把連續出現某個測值的個數超過10個的數據定義為僵值。剔除原則：找出僵值與僵值後第一個與之不同的數據之差大於0.5，則將該段數據剔除
[0111]
剔除野點，由於颱風登陸過程中常伴有強降雨，降雨對超聲波類觀測儀的數據可靠性可能造成影響。本文分析樣本風速數據的可靠性判別和質量控制流程如下：
①
首先根據超聲風速儀的數據判別碼，自動判別由於降雨影響而產生的無效數據，剔除無效數據，然
後採用線性插值法進行插補。
②
採取多倍截斷方差法判斷風速數據是否為野點，本文採用3倍方差為判定標準。具體方法如下：
[0112]
首先將風速時程數據序列：u(i)(i＝1,2,
…
,n)，構成其差分數組序列du(i)：
[0113]
du(i)＝u(i+2)-u(i)i＝(1,2,...,n-2)
ꢀꢀꢀ
(1)
[0114]
計算差分序列的du(i)和du(i)2的平均值如下所示：
[0115][0116][0117]
其截斷方差計算
[0118][0119]
判斷野點標準為：當|du(i)|﹥3σ或|du(i+2)|﹥3σ，則u(i+2)為野點。
[0120]
③
對野點的數值採用之前相關風速序列進行插值替換如下：
[0121]
u(i)＝u(i-1)rm+(1+rm)u
m (5)
[0122]
式中，u(i-1)為野點前一時刻的值，rm，um分別為野點前10個數據樣本自相關係數和平均值，分析時取m＝10。
[0123]
(2)區分氣候類別
[0124]
颱風氣候，為了準確反映颱風的風場特徵，需排除颱風外圍環流對數據樣本的影響，本文進行颱風氣候下平均風速樣本選擇時基於以下3點：在颱風7級風圈影響範圍內，測風塔10m高度處10min平均風速需大於13.9m/s(7級風)，風速樣本迎風向下墊面粗糙度一致。
[0125]
良態風氣候，良態風氣候下的平均風速樣本選擇基於以下3點：剔除颱風期間風速樣本，測風塔10m高度處10min平均風速大於10.8m/s(6級風速)，風速樣本迎風向下墊面粗糙度一致。
[0126]
混合風氣候，混合風氣候不區分氣候類別，此時平均風速樣本選取基於以下2點：測風塔10m高度處10min平均風速大於10.8m/s(6級風速)，風速樣本迎風向下墊面粗糙度一致。
[0127]
步驟s2.平均風速剖面計算模型優選
[0128]
世界主要風荷載標準採用的平均風速剖面模型包括：指數律模型、對數律模型和d-h模型，其中
[0129]
指數律模型：
[0130][0131]
式中，zb、分別為參照高度和該高度處的平均風速；z、分別為任意高度和該高度處的平均風速；α為平均風速剖面指數，與地面粗糙程度有關。
[0132]
對數律模型：
[0133][0134]
式中：k為karman常數，一般取0.4；為摩擦速度；z0為地面粗糙長度，用於表徵地面粗糙程度。
[0135]
d-h模型：
[0136][0137]
式中，為大氣邊界層高度，b'為經驗參數，一般取6，f為科裡奧力參數，取7.554
×
10-5
s-1
。
[0138]
對於所獲得的不同時刻各高度風速實測樣本，首先基於世界主要現行風荷載標準採用的平均風速剖面模型進行回歸分析，得到各平均風速剖面模型的擬合參數序列。然後，利用擬合優度檢驗對平均風速剖面模型進行比選，獲得最優平均風速剖面計算模型。其中，
[0139]
(1)平均風速剖面回歸分析
[0140]
為了精確獲得平均風速剖面模型的擬合參數，平均風速剖面的回歸規過程主要包括兩個步驟：
①
將非線性平均風速剖面公式通過一定的變化得到線性公式，利用線性最小二乘回歸初步得到平均風速剖面模型的擬合參數；
②
直接基於非線性平均風速剖面模型進行非線性最小二乘回歸，並利用牛頓迭代法進行相關參數的求解，迭代初值選用步驟
①
初步得到的擬合值。各平均風速剖面模型的回歸過程如下所示：
[0141]
指數律模型：
[0142]
①
平均風速剖面指數初值α0計算
[0143]
對式(6)兩側取對數得，
[0144][0145]
式中：i為測風塔實測風速數據樣本編號；zi為編號i處樣本點高度，為高度zi處的實測風速；zr為參照樣本點高度，為高度zr處的實測風速，即參照風速；
[0146]
設應用線性最小二乘法對平均風速剖面指數初值α0進行線性擬合，當擬合計算風速與實測風速離差平方和最小時，可得α0的計算公式為：
[0147][0148]
式中：n為測風塔實測風速數據樣本數量
[0149]
②
平均風速剖面指數α非線性回歸
[0150]
對平均風速剖面模型直接進行回歸分析時，殘差平方和按下式進行計算：
[0151]
[0152]
使最小的必要條件為：
[0153][0154]
得到方程：
[0155][0156]
式(7)為非線性方程，直接求得解析解比較困難，通常可利用牛頓迭代法求其近似解。根據牛頓迭代法可得指數律模型的牛頓迭代公式為：
[0157][0158]
迭代初值選擇上一步驟中得到的平均風速剖面指數初值α0
[0159]
對數律模型：
[0160]
①
對數律模型特徵參數初值計算
[0161]
依據式(7)可得：
[0162][0163]
設yi′
＝ln(zi)，b＝ln(z0)，應用線性最小二乘法對各高度實測平均風速進行線性擬合，當擬合計算風速與實測風速離差平方和趨於零可得a、b的計算公式為：
[0164][0165][0166]
式中：為xi′
的平均值，為yi′
的平均值；在得到擬合參數a、b後即可反算得到摩擦速度和地面粗糙度的初值和z0'。
[0167]
②
對數律模型非線性回歸
[0168]
基於非線性平方差最小的原則，對數律模型回歸分析時的待定參數為z0和根據多元函數的極值定理，使非線性平方差最小的必要條件為：
[0169][0170]
即
[0171][0172]
此為非線性方程組，直接利用牛頓迭代法進行求解比較複雜困難，通過消去參數可構造方程為：
[0173][0174]
基於式(16)利用牛頓迭代公式即可求得參數z0，初值選用步驟
①
得到的地面粗糙長度z0'。在得到z0後，即可根據下式求得摩擦速度
[0175][0176]
d-h模型：
[0177]
通過對數律回歸計算，已求得地面粗糙度z0和摩擦速度在此基礎上可通過下式計算得到平均風速剖面梯度風高度zg，此時d-h模型三個未知數均可求得。
[0178][0179]
式中:b'為經驗參數，一般取6；f表示科裡奧力參數，取為7.554
×
10-5
s-1
。
[0180]
(2)擬合優度檢驗
[0181]
由於採用了非線性最小二乘回歸，常規線性回歸擬合優度檢驗辦法不再成立，可根據擬合殘差平方和最小的原則，利用擬合優度檢驗指標rnl對曲線的擬合優度進行統一評估，其計算式為：
[0182][0183]
式中：為高度zi處對應擬合計算風速；
[0184]rnl
把殘差平方和與相對誤差有機結合在一起，顯然有r
nl
≤1，r
nl
越接近於1，表示曲線擬合優度越好。
[0185]
在利用判定係數r
nl
對風速剖面曲線進行擬合優度檢驗的基礎上，為了便於比較各模型的擬合誤差大小，同時給出平均風速剖面曲線的擬合相對誤差，相對誤差越小代表該模型擬合效果越好，擬合相對誤差計算過程如下所示：
[0186]
計算各高度擬合計算風速與實測風速殘差平方和
[0187]
[0188]
式中：為實測值，為擬合計算風速，n為一條平均風速剖面樣本點數量。
[0189]
計算各高度擬合計算風速與實測風速殘差平方和均方根誤差
[0190][0191]
計算擬合平均風速剖面的相對誤差
[0192]en
＝rmse/unꢀꢀꢀ
(26)
[0193]
式中：un為參考風速。
[0194]
(3)平均風速剖面特徵參數樣本序列計算
[0195]
通過擬合優度檢驗獲得最佳風剖面模型後，利用該模型對實測風速樣本進行回歸計算，得到不同氣候下的平均風速剖面特徵參數樣本序列。
[0196]
步驟s3.目標建築風荷載極值分析
[0197]
(1)目標建築風荷載樣本序列計算
[0198]
將步驟s2獲得的平均風速剖面特徵參數樣本序列代入現行建築風荷載標準—《建築結構荷載規範》(gb50009-2012)、《建築物耐風設計規範與解說》(2015版)、美國標準(asce7-16)、日本標準(aij 2004)、加拿大標準(national building code of canada2015)、歐洲標準(en 1991-1-4:2005)、澳大利亞/紐西蘭標準(as nza 1170.2-2011)或國際標準化協會標準(iso 4351-2009)等，計算作用在目標建築物上的風荷載—剪力、彎矩等，並得到相應風荷載樣本序列
[0199]
(2)目標建築風荷載極值分析
[0200]
在獲得目標建築風荷載樣本序列的基礎上，利用極值分析獲得目標建築風荷載極值。極值分析主要包括取樣、概率回歸、擬合優檢驗、極值預測等四個步驟，其中：
[0201]
①
取樣：
[0202]
在極值分析中，取樣方法主要包括區間最大值法(bmm法)和閾值法(pot)，其中區間最大值法為假設x1，x2，
…
，xn相互獨立且均服從分布f(x)，將其分成長度合適的若干區間，取每個區間內的最大值組成的樣本即為區間極大值樣本；閾值法為取樣本中大於某固定值的所有數據，該固定值稱為閾值。對於觀測時間較短的樣本建議採用閾值法進行取樣。
[0203]
②
概率回歸：
[0204]
概率回歸分析包括概率分布模型的選擇和參數的估計兩個步驟。風荷載極值分析中概率模型可選用廣義pareto分布、廣義極值分布(gev)、廣義正態分布、廣義logistic分布、p-iii型分布等，參數估計方法可選用矩法、極大似然法、線性矩法、最小二乘法和概率權重法等；其中：
[0205]
廣義pareto分布：
[0206][0207]
式中，u為閾值，同時也是該分布的位置參數；σ為尺度參數；γ為形狀參數。
[0208]
廣義極值分布(gev)：
[0209]
極值i型分布(gumbel分布)
[0210][0211]
極值ii型分布(frechet分布)
[0212][0213]
極值iii型分布(weibull分布)
[0214][0215]
式中，μ表示位置參數，σ表示尺度參數，γ表示形狀參數。
[0216]
廣義正態分布：
[0217][0218]
廣義logistic分布：
[0219][0220]
其中，當k≠0時，當k＝0時，
[0221]
將式(32)進一步簡化可得：
[0222][0223]
p-iii型分布：
[0224][0225]
式中，γ(α)為伽馬函數，
[0226]
③
擬合優度檢驗：
[0227]
在概率回歸分析中，對於採用相同取樣方法獲得的樣本，不同概率分布模型的擬合效果不一，存在最佳概率分布模型；同時，對於同一概率模型，採用不同參數估計方法獲得的模型參數一般不同，存在最適合的參數估計方法。因此在獲得目標建築風荷載樣本，需
利用「不同取樣方法+不同概率模型+不同參數估計方法」對樣本進行回歸分析，通過擬合優度檢驗對「不同取樣方法+概率模型+參數估計方法」的組合進行比選，獲得對該樣本擬合效果最好的「取樣方法+概率模型+參數估計方法」組合。擬合優度檢驗方法常包括常用的擬合優度檢驗方法有q-q圖檢驗法、kolmogorov-smirnov檢驗法(k-s檢驗)、anderson-darling檢驗法(a-d檢驗)和卡方檢驗等
[0228]
極值預測：
[0229]
利用上一步驟得到的最佳「取樣方法+概率模型+參數估計方法」組合對目標建築風荷載樣本序列進行極值分析，得到不同重現期的風荷載極值。
[0230]
步驟s4.等效平均風速剖面特徵參數預測
[0231]
根據目標建築風荷載極值等效原則，基於步驟s3獲得的不同重現期的風荷載極值，通過反向推導得到目標建築物的等效平均風速剖面特徵參數。以下為本發明一具體實施例，基於平潭某測風塔的實測風速風向數據，以平潭綜合實驗區兩岸馨苑社區#5高層建築(兩岸標準共通試點項目)為例，作詳細說明如下，但本發明並不限於此。
[0232]
表1良態風氣候下pot極值樣本下各概率分布模型參數估計方法比較
[0233][0234]
表2颱風下pot極值樣本下各概率分布模型參數估計方法比較
[0235]
[0236][0237]
表3混合氣候下pot極值樣本下各概率分布模型參數估計方法比較
[0238][0239]
表4不同風氣候不同重現期基底剪力預測結果(kn)
[0240][0241]
表5混合風氣候下不同重現期平均風速剖面指數預測結果(kn)
[0242][0243]
例1：
[0244]
目標建築基本信息：
[0245]
平潭兩岸馨苑是首個主要為臺胞建設的示範小區，同時也是實驗區2020年重點建設項目之一。該項目以建設新興產業區、高端服務區和宣居生活區為目標，以此作為閩臺合作的窗口，建設兩岸共同家園。該項目位於平潭島金井片區中心地段，興港中路和順義路交匯處。項目總用地面積20081m2，總建築面積65376.34m2，包括四棟高層住宅及商區用房。社區內四棟高層住宅高度及外形基本一致，不失一般性，本實例以#5住宅為目標建築進行說明。5#住宅總高度為83.1m，共26層，除1層層高為3.1m及頂層層高為4.5m外，其餘樓層層高均為3.0m。住宅正面寬度為34.8m，側面寬度為16.2m，5#住宅的正立面圖、側立面圖和平面圖分別如圖2、圖3和圖4所示。
[0246]
實測數據基本信息：
[0247]
風觀測塔位於福建省晉江市金井鎮福全村，經緯度分別為118
°
37
′
49.6
″
和24
°
32
′
54.2
″
，其周圍地貌特徵為海岸地貌。測風塔高度為70m，分別在離地10m、30m、50m及70m處裝有風速儀。測風塔各高度風速儀每隔10min輸出一次10min平均風速及對應風向(30m處無風向數據)數據，記錄時間為2009年4月至2011年2月。
[0248]
按發明內容所述方法步驟s1對所獲實測數據進行預處理，剔除異常數據，並根據不同氣候樣本的選取標準進行篩選。
[0249]
按發明內容所述方法步驟s2進行平均風速剖面計算模型優選。首先對經過處理的數據分別基於指數律、對數律以及d-h模型進行回歸分析，得到不同平均風速剖面模型的特徵參數。然後分別計算三種平均風速剖面模型的擬合判定係數rnl和擬合相對誤差的均值，良態風、颱風與混合風氣候下的擬合優度檢驗結果分別如附圖5、6和7所示。由附圖5(a)可知，良態風氣候下三種平均風速剖面的擬合判定係數r
nl
均大於0.95，且均接近於1，表明三種平均風速剖面模型的擬合效果均較好。由附圖5(b)可知三種平均風速剖面模型的擬合相對誤差均值均小於3％，同樣表現出了較好的擬合效果。對比三種模型的擬合相對誤差可知，指數律與對數律的擬合相對誤差較為接近，同時均遠小於d-h模型的相對誤差；在颱風氣候下，由附圖6(a)可知對於五場颱風無論採用何種風剖面模型，擬合判定係數r
nl
均大於0.95，且均接近於1。同時由附圖6(b)可知五場颱風的平均風速剖面擬合相對誤差均除颱風蓮花外均小於3％，颱風蓮花的擬合相對誤差也小於5％，表明颱風氣候下三種平均風速剖面模型的擬合效果均較好。颱風氣候下，對比三種模型的擬合相對誤差可知，無論對於哪一場颱風，指數律與對數律的擬合相對誤差較為接近，同時均小於d-h模型的相對誤差；附圖7為混合風氣候下平均風速剖面擬合優度檢驗結果，其結果與良態風氣候下相似，此處不再進行贅述。綜上所述，無論對於良態風、颱風還是混合風氣候，指數率模型和對數律模型的擬合效果要好於d-h模型，指數律與對數律模型的擬合效果接近，由於福建地區採用建築結構荷載規範(gb 50009-2012)進行抗風設計，規範中建議採用指數律模型來進行風荷載計算，故本實例選用指數律模型作為該地區的最優平均風速剖面計算模型。
[0250]
按發明內容所述方法步驟s2利用最優平均風速剖面計算模型，即指數律模型對不同氣候下處理後的風速實測樣本進行回歸計算得到不同氣候下平均風速剖面指數α的樣本序列。
[0251]
按發明內容所述方法s3以兩岸馨苑社區#5住宅為目標建築，基於步驟s2得到的擬合平均風速剖面指數α樣本序列，選擇建築結構荷載規範(gb 50009-2012)計算目標建築所受風荷載序列。本實例以建築順風向基底剪力為例進行說明。
[0252]
建築結構荷載規範中高層建築順風向風荷載計算採用的是iwl法(慣性力荷載法)，以平均風壓乘以風振係數βz的形式計算結構的靜力等效荷載，其中主要受力結構表面上的風荷載標準值應按下式計算：
[0253]
wk＝βzμsμzw
0 (1)
[0254]
式中：wk為風荷載標準值；βz高度z處的風振係數；μs為風荷載體型係數；μz為風壓高度變化係數；w0為基本風壓，以上係數分別按如下取值。
[0255]
(1)基本風壓w0:
[0256]
鑑於建築結構荷載規範(gb50009-2012)所給福建各地區基本風壓範圍較為粗略，為了更準確獲取測站所在地基本風壓，本文選用《福建建築結構基本風壓規程》中所給建議值，測站所在地50年重現期基本風壓取為0.75kn/m2：
[0257]
(2)體型係數:
[0258]
5#住宅截面為矩形截面，正面寬度為34.8m，側面寬度為16.2m。由於建築物高度大於45m，住宅體型係數需根據標準表8.3.1第31項進行取值。對於垂直於住宅正面來流風向的建築深寬比為16.2/34.8＝0.466《1，故此方向來流風壓的體型係數為μs＝0.8-(-0.6)＝1.4。
[0259]
(3)風壓高度變化係數:
[0260]
式(2)為標準風壓高度變化係數計算式，式中係數b為不同地貌下基本風壓轉換係數，利用此參數與基本風壓w0的乘積可獲得建築所在地貌下10m高度處基本風壓，本文所選樣本下墊面均為標準a類地貌，a類地貌該值取為1.284。式中參數α即為平均風速剖面指數，此值根據不同氣候下平均風速剖面指數α的樣本序列進行選取。
[0261][0262]
(4)順風向風振係數:
[0263]
由於本住宅高度大於30m，並且高寬比為2.388，大於1.5，基本自振周期t1為1.64s，大於0.25s，故要考慮脈動風對結構的影響。順風向風振響應計算應按照結構隨機振動理論進行，可採用風振係數法計算其順風向風荷載，高度z處的風振係數可按下式計算：
[0264][0265]
式中：g為峰值因子，取2.5；i
10
為10m高度處名義湍流強度，由於此住宅周邊為a類地貌，故取值為0.12；r為脈動風荷載的共振分量因子，由式(4)求出；bz為脈動風荷載的背景分量因子，由式(5)求得。
[0266][0267][0268]
式中：f1結構第1階自振頻率(hz)，本住宅第1階自振頻率為0.61hz；kw為地面粗糙度修正係數，對於a類地面粗糙度取1.28；ζ1為結構阻尼比，對於鋼筋混凝土及砌體結構取0.05。
[0269][0270]
式中：φ1(z)為結構第1階振型係數，應根據結構動力計算確定，由於本文中的住宅外形、質量、剛度沿較為均勻，根據標準中建議公式，即式(7)進行計算。
[0271][0272]
h為結構總高度，根據建築實際高度取83.1；ρ
x
與ρz分別為脈動風荷載水平與豎直方向相關係數，由公式(8)與(9)計算；k與α1由標準表8.4.5-1取值分別為0.944與0.670。
[0273]
豎直方向的相關係數可按下式計算：
[0274][0275]
水平方向的相關係數可按下式計算：
[0276][0277]
式中：b為結構迎風面寬度。
[0278]
(5)順風向風荷載：
[0279]
沿住宅高度按建築層高進行劃分，利用公式(10)計算各樓層所受風荷載：
[0280]fi
＝β
zi
μsμ
zi
w0δh
ibi (10)
[0281]
通過對各樓層所受順風向風荷載進行疊加，即可獲得目標建築的基底剪力v按發明內容所述方法步驟s3對所獲目標建築基底剪力v樣本進行極值分析：
[0282]
首先對目標建築基底剪力v樣本進行取樣，由於本實例所獲數據實測周期相對較短，不便於劃分區組，故選用跨閾法進行取樣。利用跨閾值法進行取樣時，採用平均超出量函數圖法和估計量穩定性判別法確定不同氣候下的最佳目標建築基底剪力閾值，良態風、颱風和混合風氣候下的最佳閾值分別為21700kn、21500kn和21700kn。
[0283]
按發明內容所述方法步驟s4，在獲得超閾值樣本後，需對樣本進行概率回歸分析。本實例選用廣義pareto分布、廣義極值分布(gev)、廣義正態分布、廣義logistic分布、p-iii型分布等概率模型進行回歸分析。根據所選概率模型選擇不同的參數估計方法進行概率模型未知參數的估計，參數估計方法選用矩法、極大似然法、線性矩法、最小二乘法和概率權重法。良態風、颱風和混合風氣候下各概率模型的參數估計結果如表1、表2和表3所示。
[0284]
按發明內容所述方法步驟s3在進行回歸分析後，需利用擬合優度檢驗對「取樣方法+概率模型+參數估計方法」的預測組合進行比選。本實例採用k-s檢驗和a-d檢驗進行擬
合優度檢驗，良態風、颱風和混合風氣候下的檢驗結果分別如表1、表2和表3中所示。觀察表1可知，針對採用pot取樣法獲得的良態風氣候下目標建築基底剪力超閾值樣本，選用「gpd分布+矩法」組合進行回歸分析得到的k-s檢驗值和a-d檢驗值均最小，故「pot取樣+gpd分布+l-矩法」為混合氣候下該目標建築基底剪力樣本的最佳預測組合。同理可以得到颱風氣候下和混合風氣候下的最佳預測組合分別為「pot取樣+gpd分布+l-矩法」和「pot取樣+glo分布+l-矩法」。
[0285]
按發明內容所述方法步驟s3，在獲得最佳預測組合後，分別利用各氣候下的最佳預測組合進行目標建築基底剪力的極值分析，獲得不同重現期目標建築的基底剪力極值如表4所示。
[0286]
按發明內容所述方法步驟s4，對於所獲得的不同重現期目標建築風荷載極值，基於建築風荷載極值等效原則，根據目標建築順風向基底剪力計算過程，反推求解對應重現期平均風速剖面指數預測值α，如表5所示。
[0287]
以上是本發明的較佳實施例，凡依本發明技術方案所作的改變，所產生的功能作用未超出本發明技術方案的範圍時，均屬於本發明的保護範圍。