基于准定常假定,风荷载与风速平方成正比。为了实现对结构的台风动力效应进行分析预测,建立了耦合数值天气预报(weather research and forecast,WRF)模式和现场实测数据的风速预测神经网络模型,开展台风短期风速的高精度预测。利用该模...基于准定常假定,风荷载与风速平方成正比。为了实现对结构的台风动力效应进行分析预测,建立了耦合数值天气预报(weather research and forecast,WRF)模式和现场实测数据的风速预测神经网络模型,开展台风短期风速的高精度预测。利用该模型对2017年"泰利"和2018年"康妮"的台风风场进行模拟和预测。为了提高神经网络训练效率和短期风速预测精度,使用经验模态分解和小波变换对风速数据进行分解,将分解后的风速分量作为神经网络的输入。结合数据分解方法,分别采用BP、Elman、GRNN和ANFIS等4种神经网络模型完成了两次台风影响下某实测场地平均风速的6步提前预测。结果表明,基于集合经验模态分解或小波分解的神经网络预测方法,相比不进行数据分解的直接神经网络预测法,台风风速预测精度提高了50%以上。在4种神经网络模型中,小波变换和BP神经网络模型组合具有最优的台风风速预测精度。展开更多
文摘基于准定常假定,风荷载与风速平方成正比。为了实现对结构的台风动力效应进行分析预测,建立了耦合数值天气预报(weather research and forecast,WRF)模式和现场实测数据的风速预测神经网络模型,开展台风短期风速的高精度预测。利用该模型对2017年"泰利"和2018年"康妮"的台风风场进行模拟和预测。为了提高神经网络训练效率和短期风速预测精度,使用经验模态分解和小波变换对风速数据进行分解,将分解后的风速分量作为神经网络的输入。结合数据分解方法,分别采用BP、Elman、GRNN和ANFIS等4种神经网络模型完成了两次台风影响下某实测场地平均风速的6步提前预测。结果表明,基于集合经验模态分解或小波分解的神经网络预测方法,相比不进行数据分解的直接神经网络预测法,台风风速预测精度提高了50%以上。在4种神经网络模型中,小波变换和BP神经网络模型组合具有最优的台风风速预测精度。
