CN112287581A - 一种竖向温度梯度模式预测方法、装置及存储介质 - Google Patents
一种竖向温度梯度模式预测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112287581A CN112287581A CN202011172378.1A CN202011172378A CN112287581A CN 112287581 A CN112287581 A CN 112287581A CN 202011172378 A CN202011172378 A CN 202011172378A CN 112287581 A CN112287581 A CN 112287581A
- Authority
- CN
- China
- Prior art keywords
- temperature
- box girder
- steel box
- vertical
- extreme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种竖向温度梯度模式预测方法、装置及存储介质,方法包括:基于钢箱梁所在地区的气象数据,建立日照作用下钢箱梁的温度场模型;根据实测温度数据对温度场模型进行修正得到温度场精细化模型;确定钢箱梁所在地区桥梁设计基准期内的极端气象数据代表值;根据极端气象数据代表值和温度场精细化模型得到极端气象条件下钢箱梁的温度分布,进而拟合出竖向温度梯度模式。基于极端气象数据和经实测温度数据修正后的温度场精细化模型得到的极端气象条件下钢箱梁竖向温度梯度模式,具有较高的分析精度,可为钢箱梁温度效应的精确计算分析提供依据,也可为桥梁设计提供指导。
Description
技术领域
本发明涉及桥梁工程中钢箱梁温度场分析领域,特别是涉及一种竖向温度梯度模式预测方法、装置及存储介质。
背景技术
桥梁是长期暴露在自然环境中的结构物,日照作用(太阳辐射、对流换热和辐射热交换)下桥梁结构在竖向必将产生不均匀的温度分布,即竖向温度梯度。对于钢箱梁,由于钢材温度膨胀系数大,对温变更敏感,所以竖向温度梯度对钢箱梁的影响更为显著。桥梁结构内、外部约束的存在使得结构构件不能随温度变化自由地膨胀或收缩,进而产生较大的应力和变形,这种效应甚至与其他恒、活载效应相当。因此,钢箱梁的温度效应分析已成为重要研究内容,而合理的温度场取值是其基础。
目前,获得钢箱梁温度场的主要方法包括现场实测和数值模拟。虽然现场实测得到的温度场数据相对准确,但也存在一些缺点,比如:传感器寿命和测点数量都是有限的,大量的人力物力投入也是不经济的。此外,结构的全寿命周期的温度效应评估往往需要几十年,时间上现场实测显然无法满足要求。因此,数值模拟成为了分析桥梁结构温度场的重要手段。然而,现有的数值模拟方法还存在一定的滞后性,主要表现为将热边界条件等效为物理公式作用于数值模型上,并未考虑风速、辐射的多次反射、空气湿度等因素的影响,这本质上是一种比较粗糙的处理方法,将导致温度场取值出现一定的误差。
同时,日照作用下,竖向温度梯度作用于桥梁结构产生的效应最大,所以国内外设计规范中均通过给出竖向温度梯度模式来指导桥梁设计。我国现行的《公路桥涵通用设计规范》(JTD D60-2015)规定的日照温度梯度模式参照了美国AASHTO规范,且只给出了混凝土梁和钢-混组合梁的竖向温度梯度模式。在工程设计中,关于日照作用下钢结构桥梁的竖向温度梯度问题,是参照英国桥梁规范BS-5400来解决的,但由于中国的气象、地理环境等影响桥梁结构温度分布的主要因素与英国有所不同,所以BS-5400规范中的规定不一定适用于中国的钢箱梁。此外,我国跨越了多个气候区,且各区气候差异较大,钢箱梁的结构形式多样,影响温度分布的因素众多,所以在实测温度数据的基础上采用统计学方法拟合得到的竖向温度梯度模式仅适用于桥址附近的同类钢箱梁。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种竖向温度梯度模式预测方法、装置及存储介质,能够充分地考虑桥梁桥址处气象条件及地理位置等因素的影响,可为钢箱梁温度效应的精确计算分析提供依据,预测的竖向温度梯度模式也可用来指导桥梁设计。
本发明解决上述技术问题的技术方案如下:一种竖向温度梯度模式预测方法包括:
步骤S1、基于钢箱梁所在地区的气象数据,建立日照作用下所述钢箱梁的温度场模型;
步骤S2、根据实测温度数据对所述温度场模型进行修正得到温度场精细化模型;
步骤S3、确定所述钢箱梁所在地区桥梁设计基准期内的极端气象数据代表值;
步骤S4、根据所述极端气象数据代表值和所述温度场精细化模型得到极端气象条件下所述钢箱梁的温度分布,根据所述钢箱梁的温度分布拟合出竖向温度梯度模式。
本发明的有益效果是:基于当地气象数据建立的日照作用下钢箱梁温度场模型可以有效地克服传统模拟方法热边界条件不准确方面的不足;以实测温度数据为基础,对所建立的钢箱梁温度场模型进行修正,得到修正后的钢箱梁温度场模型准确可靠,具有较高的分析精度;通过获取极端气象数据,进而基于极端气象数据和修正后的钢箱梁温度场模型得到极端气象条件下钢箱梁的竖向温度梯度模式,因此该预测方法具有思路清晰、简单易行、高效合理的特点。同时,该方法可用于预测不同地区、其他类型桥梁结构的竖向温度梯度模式,其结果可为完善我国相关设计规范提供依据,也可为桥梁设计提供指导,同时科研人员也可采用此方法开展与桥梁结构温度场和温度效应相关的研究,因此具有广阔的应用前景。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步,所述步骤S1包括:
S11、根据所述钢箱梁的几何特征对所述钢箱梁截面进行划分得到至少n个区域,并通过有限元分析软件分别建立n个区域的几何模型,所述n为正整数;
S12、通过有限元分析前处理软件对所述几何模型进行网格划分后,通过热分析软件组合得到所述钢箱梁的整体模型;
S13、确定所述整体模型的n个区域的材料类型、厚度和热物性参数,确定初始温度及热边界条件,所述热边界条件包括所述钢箱梁所在地区的地理位置参数、接触介质和对流系数;
S14、确定所述钢箱梁桥址处的气象数据;
S15、通过在所述热分析软件设置步骤S13的材料类型、厚度、热物性参数、地理位置参数、接触介质和对流系数和步骤S14的气象数据,建立所述日照作用下钢箱梁的温度场模型。
采用上述进一步方案的有益效果是:基于桥址处实测的气象环境建立的钢箱梁温度场精细化模型,充分地考虑了气象环境和地理位置等因素,具有热边界条件准确、传热模式清晰、分析效率高的特点,可以更准确地确定其温度分布,同时可为钢箱梁的温度梯度和温度效应研究奠定基础。
进一步,所述步骤S2包括:
S21、获取目标时间段内的所述钢箱梁各测点的实测温度值;
S22、将所述实测温度值与所述温度场模型计算得到的温度值进行对比,验证所述温度场模型的合理性;
S23、所述实测温度值与计算得到的温度值的绝对误差小于预设阈值时,通过反演分析法对日照作用下钢箱梁的温度场模型进行修正,得到温度场精细化模型。
采用上述进一步方案的有益效果是:以海量的实测温度数据为基础,先初步验证温度场模型的合理性,然后对所建立的钢箱梁温度场模型进行修正,得到修正后的钢箱梁温度场模型准确可靠,具有较高的分析精度。
进一步,所述步骤S3包括:
S31、确定各气象参数对竖向温度梯度的最大梯度温度值的影响程度;
S32、根据所述各气象参数的影响程度确定影响所述竖向温度梯度的主要气象参数,所述主要气象参数包括气温、辐射和风速;
S33、根据所述主要气象参数的影响程度,确定设计基准期内的极端气象数据的代表值。
采用上述进一步方案的有益效果是:根据各参数的影响程度确定影响竖向温度梯度的主要参数,进一步地,结合三种气象参数的影响程度分别确定设计基准期内的极端气象数据的代表值,以保证极端气象数据的准确性,从而可以进一步提高后续对竖向温度梯度模式的可靠性。
进一步,所述步骤S33包括:
对于对竖向最大梯度温度值影响最小的风速,将预设时间内的逐时平均风速作为所述钢箱梁所在地区的极端风速逐时代表值;
对于所述辐射,根据预设设计规范确定所述钢箱梁所在地区的极端辐射逐时代表值;
对于所述气温,统计分析预设年内的日最高气温和最大气温日较差,得到广义极值分布函数分别为式(1)和式(2);
式中,x指夏季日最高气温;
式中,x指最大气温日较差;
通过超越概率中重现期与保证率的关系及概率分布函数计算得到重现期内的日最高气温和最大气温日较差,所述重现期与保证率的关系为式(3);
式中,T0为重现期;
将得到的预设重现期内的日最高气温、最低气温代入所述钢箱梁所在地区的夏季逐时温度函数,得到极端气温逐时代表值,所述夏季逐时温度函数为式(4);
式中,Tmax指日最高气温,Tmin指日最低气温,t指时刻,t为整数。
采用上述进一步方案的有益效果是:针对各气象参数影响程度的不同,采用不同的方法确定极端气象数据代表值;为了取值和计算方便,对竖向最大梯度温度值影响较小的主要气象参数可取其逐时平均值作为极端气象参数代表值;可查阅规范的直接根据规范规定确定极端气象参数代表值;其他的采用统计学分析方法确定极端气象参数代表值。这不仅保证了极端气象数据的准确性,还可以进一步提高竖向温度梯度模式的可靠性。
进一步,所述步骤S4包括:
S41、将所述极端气象数据代表值重复m天,输入到温度场精细化模型进行计算,得到连续m天极端气象条件下钢箱梁的温度分布,所述m为正整数;
S42、通过数理统计分析软件对得到的极端气象条件下所述钢箱梁的桥面板处梯度温度值最大时刻的竖向温度梯度分布进行曲线拟合,得到所述钢箱梁所在地区同类钢箱梁的竖向温度梯度模式。
采用上述进一步方案的有益效果是:通过将所述极端气象数据代表值重复m天,减少实际的初始温度与模型中设置的初始温度存在的差异对计算结果的影响,进而输入到温度场精细化模型得到极端气象条件下钢箱梁的竖向温度梯度模式,具有思路清晰、简单易行、高效合理的特点。
进一步,所述步骤S2还包括:
S24、基于温度场精细化模型的计算结果,得到竖向梯度温度值最大时自顶板沿腹板向下的实测的最大竖向温度梯度分布;
所述步骤S4还包括:
S43、将所述竖向温度梯度模式、实测的最大竖向温度梯度分布和规范中规定的钢混组合桥竖向梯度模式进行对比;
根据对比结果确定拟合的竖向温度梯度模式的合理性。
采用上述进一步方案的有益效果是:通过拟合的竖向温度梯度模式、实测的最大竖向温度梯度分布和规范中规定的钢混组合桥竖向梯度模式的对比,对拟合的竖向温度梯度模式的合理性进行验证,保证竖向温度梯度模式的合理性。
进一步,所述竖向温度梯度模式为式(5):
y=11.68e-0.04x (5)
式中,x为温度,y为距桥面板的距离。
采用上述进一步方案的有益效果是:提供的竖向温度梯度模式考虑了桥梁桥址处气象条件及地理位置等因素的影响,为钢箱梁温度效应的精确计算分析提供依据。
为了解决上述技术问题,本发明还提供一种竖向温度梯度模式预测装置,其特征在于,包括:模型建立模块、修正模块、确定模块和拟合模块;
所述模型建立模块,用于基于钢箱梁所在地区的气象数据,建立日照作用下钢箱梁的温度场模型;
所述修正模块,用于根据实测温度数据对所述温度场模型进行修正得到温度场精细化模型;
所述确定模块,用于确定桥梁设计基准期内的极端气象数据代表值;
所述拟合模块,用于根据所述极端气象数据代表值和所述温度场精细化模型得到极端气象条件下所述钢箱梁的温度分布,根据所述钢箱梁的温度分布拟合出竖向温度梯度模式。
为了解决上述技术问题,本发明还提供一种存储介质,存储介质包括存储有一个或者多个计算机程序,所述一个或者多个计算机程序可被一个或者多个处理器执行,以实现如上所述的竖向温度梯度模式预测方法的步骤。
附图说明
图1为本发明一实施例提供的一种竖向温度梯度模式预测方法的流程图;
图2为本发明一实施例提供的主要气象参数对竖向最大梯度温度最大值的影响程度图;
图3为本发明另一实施例提供的一种竖向温度梯度模式预测方法的流程图;
图4为本发明一实施例提供的钢箱梁桥的立面图;
图5为本发明一实施例提供的温度传感器布置图;
图6为本发明一实施例提供的箱梁模型各part示意图;
图7为本发明一实施例提供的2019年7月桥面测点IT1计算温度与实测温度的对比图;
图8为本发明一实施例提供的2019年7月梁体测点T3计算温度与实测温度的对比图;
图9为本发明一实施例提供的钢箱梁竖向梯度温度值最大时的竖向温度分布图;
图10为本发明一实施例提供的武汉市日最高气温的分布曲线示意图;
图11为本发明一实施例提供的武汉市最大气温日较差的分布曲线示意图;
图12为本发明一实施例提供的极端气象条件下钢箱梁的最大竖向温度梯度模式、实测的最大竖向温度梯度分布及规范中规定的钢混组合桥竖向梯度模式的对比图;
图13为本发明一实施例提供的一种竖向温度梯度模式预测装置的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例一
如图1所示,图1为本发明实施例提供的一种竖向温度梯度模式预测方法的流程图,该竖向温度梯度模式预测方法包括:
S1、基于钢箱梁所在地区的气象数据,建立日照作用下钢箱梁的温度场模型;
S2、根据实测温度数据对温度场模型进行修正得到温度场精细化模型;
S3、确定钢箱梁所在地区桥梁设计基准期内的极端气象数据代表值;
S4、根据极端气象数据代表值和温度场精细化模型得到极端气象条件下钢箱梁的温度分布,根据钢箱梁的温度分布拟合出竖向温度梯度模式。
在本实施例中,基于当地气象数据建立的日照作用下钢箱梁温度场模型可以有效地克服传统模拟方法热边界条件方面的不足。以实测温度数据为基础,对所建立的钢箱梁温度场模型进行修正,得到修正后的钢箱梁温度场模型准确可靠,具有较高的分析精度。通过获取极端气象数据,进而基于极端气象数据和修正后的钢箱梁温度场模型得到极端气象条件下钢箱梁的竖向温度梯度模式,因此该预测方法具有思路清晰、简单易行、高效合理的特点,可通过拟合的竖向温度梯度模式指导钢箱梁设计。同时,该方法也可用于预测不同地区、其他类型桥梁结构的竖向温度梯度模式,其结果可为完善我国相关设计规范提供依据,同时科研人员也可采用此方法开展与桥梁结构温度场和温度效应相关的研究,因此具有广阔的应用前景。
在本实施例中,步骤S1具体包括:
S11、根据钢箱梁的几何特征对钢箱梁截面进行划分得到至少n个区域,并通过有限元分析软件分别建立n个区域的几何模型,n为正整数;
S12、通过有限元分析前处理软件对几何模型进行网格划分后,通过热分析软件组合得到钢箱梁的整体模型;
S13、确定整体模型的n个区域的材料类型、厚度和热物性参数,确定初始温度及热边界条件,边界条件包括钢箱梁所在地区的地理位置参数、接触介质和对流系数;
S14、确定钢箱梁桥址处的气象数据;
S15、通过在热分析软件设置步骤S13的材料类型、厚度、热物性参数、地理位置参数、接触介质和对流系数和步骤S14的气象数据,建立日照作用下钢箱梁的温度场模型。
其中,首先根据钢箱梁的几何特征对钢箱梁截面进行划分,将其分为若干part,再采用大型通用有限分析元软件ANSYS分别建立各part的几何模型,最后将其转换为iges格式;其次,将在ANSYS软件中建立的各part的iges格式的几何模型逐个导入到有限元分析前处理软件HYPERMESH软件中,分别对其进行网格划分,并以nas格式输出;再次,将在HYPERMESH软件中划分好网格的各part的nas格式的几何模型依次导入到热处理软件TAITHERM软件中,将其组合为钢箱梁的整体模型;然后,先在TAITHERM软件中给箱梁各part设置材料类型、厚度及热物性参数,其中热物性参数包括但不限于密度、比热容、导热系数、反射率、吸收率和对流换热系数,再输入初始温度及热边界条件,热边界条件包括其所在的地理位置参数、接触介质和对流系数等,其中地理位置参数主要包括经纬度、海拔高度和时区等;最后,先在气象网站中提取桥址处辐射、气温、风速、风向、云层覆盖率、长波辐射和降雨量等气象数据,再将其输入TAITHERM软件中,通过TAITHERM软件即可模拟太阳辐射、云层遮挡和散射等因素对钢箱梁温度分布的影响,因而可建立日照作用下钢箱梁的温度场模型。
可以理解的是,热分析软件TAITHERM可以全面模拟热传导、热对流和热辐射三种传热方式;其中,热辐射中能考虑辐射的多次反射,还具有多层次的对流换热模拟方式和方便的热传导建模方式,适用于长时间瞬态热分析;鉴于现有模拟方法无法充分地考虑气象环境和地理位置等因素,与实际情况存在较大偏差,本实施例采用TAITHERM软件建立精细的日照作用下钢箱梁的温度场模型,可以更准确地确定其温度分布,同时可为钢箱梁的温度梯度和温度效应研究奠定基础。当然在其他实施例中,有限元分析软件还可以是LUSAS,MSC.Nastran、Abaqus、LMS-Samtech、Algor、COMSOL Multiphysics或FEPG,有限元分析前处理软件还可以是ANSA、ICEM CFD或Patran,热分析软件还可以是flotherm或icepak。
在本实施例中,步骤S2具体包括:
S21、获取目标时间段内的钢箱梁各测点的实测温度值;
S22、将实测温度值与温度场模型计算得到的温度值进行对比,验证温度场模型的合理性;
S23、实测温度值与计算得到的温度值的绝对误差小于预设阈值时,通过反演分析法对日照作用下钢箱梁的温度场模型进行修正,得到温度场精细化模型。
首先获取日照作用下钢箱梁各测点的实测温度值,其中钢箱梁各测点至少包括桥面测点、梁体测点,测点可以根据实际情况进行灵活调整;再综合考虑实测温度值的完整性和天气状况,选择实测温度值较为完整、天气较晴朗的时间段,将各测点的实测温度值与温度场模型计算得到的温度值进行对比,初步验证温度场模型的合理性。具体的,当实测温度值与计算得到的温度值的绝对误差小于预设阈值时,表示该温度场模型合理。为提高模型的精度,进一步采用反演分析法对日照作用下钢箱梁的温度场模型进行修正,例如基于实测温度值对温度场模型进行反演,进而得到温度场精细化模型。
在本实施例中,步骤S3具体包括:
S31、确定各气象参数对竖向温度梯度的最大梯度温度值的影响程度;
S32、根据各气象参数的影响程度确定影响竖向温度梯度的主要气象参数,主要气象参数包括气温、辐射和风速;
S33、根据主要气象参数的影响程度,确定设计基准期内的极端气象数据的代表值。
其中,采用控制变量法依次控制各气象参数在实际气象参数的基础上按一定的百分比增减,其余参数不变,进而分析各气象参数对竖向温度梯度的最大梯度温度值的影响程度(其中各气象参数包括处辐射、气温、风速、风向、云层覆盖率、长波辐射和降雨量)。当气象参数的变化率一定时,最大梯度温度值的变化率越大,影响程度也就越大,因此便可根据各参数的影响程度大小确定影响竖向温度梯度的主要气象参数,主要气象参数包括气温、辐射和风速,图2为三种主要气象参数的参数化分析结果。进一步地,结合上述三种主要气象参数的影响程度,分别采用不同的方法确定设计基准期内的极端气象数据的代表值。
在本实施例中,辐射和气温对钢箱梁的竖向梯度影响较大,而风速对其影响相对较小,并且风速离散性较大、变化规律不明显,步骤S33具体包括:
对于对竖向最大梯度温度值影响最小的风速,将预设时间内的逐时平均风速作为钢箱梁所在地区的极端风速逐时代表值。例如直接取2018年7-9月武汉地区的逐时平均风速作为极端风速逐时代表值。
对于辐射,根据预设设计规范确定钢箱梁所在地区的极端辐射逐时代表值。例如根据《工业建筑供暖通风与空气调节设计规范》中确定室外空气计算参数的方法可确定武汉地区(北纬30度、3级大气透明度等级)极端辐射逐时代表值。在一些实施例中,还可以直接取规范规定值作为极端气象参数代表值,例如按照《工业建筑供暖通风与空气调节设计规范》的规范附录C查找辐射规范规定值,将其作为极端辐射逐时代表值。
对于气温,统计分析预设年内的日最高气温和最大气温日较差,得到广义极值分布函数分别为式(1)和式(2);
式中,x指夏季日最高气温;
式中,x指最大气温日较差;
通过超越概率中重现期与保证率的关系及概率分布函数计算得到重现期内的日最高气温和最大气温日较差,重现期与保证率的关系为式(3);
式中,T0为重现期;
将得到的预设重现期内的日最高气温、最低气温代入钢箱梁所在地区的夏季逐时温度函数,得到极端气温逐时代表值,夏季逐时温度函数为式(4);
式中,Tmax指日最高气温,Tmin指日最低气温,t指时刻,t为整数。
在本实施例中,步骤S4具体包括:
S41、将极端气象数据代表值重复m天,输入到温度场精细化模型进行计算,得到连续m天极端气象条件下钢箱梁的温度分布,m为正整数;
S42、通过数理统计分析软件对得到的极端气象条件下钢箱梁的桥面板处梯度温度值最大时刻的竖向温度梯度分布进行曲线拟合,得到钢箱梁所在地区同类钢箱梁的竖向温度梯度模式。
需要说明的是,因为实际的初始温度与模型中设置的初始温度存在差异,为了减小其对计算结果的影响,先将步骤S3得到的极端气象数据代表值重复m天(如m为5、6或7,可以根据实际情况进行灵活调整),再将其输入到修正后的钢箱梁温度场精细化模型中,即可得到日照作用下钢箱梁的温度分布;基于连续m天极端气象条件下钢箱梁温度场的精细化模型的计算结果,用ORIGIN数理统计分析软件拟合出竖向梯度温度值最大时刻的竖向温度梯度曲线,便可将其作为钢箱梁所在地区同类钢箱梁的竖向温度梯度模式,见式(5):
y=11.68e-0.04x (5)
式中,x为温度,y为距桥面板的距离。
在一些实施例中,数理统计分析软件还可以是SPSS软件。
在本实施例中,还可以进一步对预测得到的竖向温度梯度模式的合理性进行验证,具体的,步骤S2还包括:
S24、基于温度场精细化模型的计算结果,得到竖向梯度温度值最大时自顶板沿腹板向下的实测的最大竖向温度梯度分布;
步骤S4还包括:
S43、将竖向温度梯度模式、实测的最大竖向温度梯度分布和规范中规定的钢混组合桥竖向梯度模式进行对比,根据对比结果确定拟合的竖向温度梯度模式的合理性。
应当理解的是,结合已有研究的结论及精细化温度场的计算结果,发现顺桥向温度分布基本一致,且日照作用下钢箱梁的竖向温度梯度作用于桥梁结构产生的效应最大,因此以温度场精细化模型为基础研究钢箱梁的竖向温度梯度;最后,提取温度场精细化模型的计算结果,可以发现竖向梯度温度值最大时自顶板沿腹板向下的竖向温度分布呈非线性,近似呈指数函数曲线分布。
将预测得到的竖向温度梯度模式、实测的最大竖向温度梯度分布和钢混组合桥竖向梯度模式进行对比,当预测得到的竖向温度分布与实测竖向温度分布比较接近,且梯度温度值均超过了规范中规定的钢混组合桥竖向梯度模式的梯度温度值时,可说明预测得到的竖向温度梯度模式是合理的,且该梯度模式较规范更为保守;进而可以根据预测得到的竖向温度梯度模式指导钢箱梁设计,也可用于预测不同地区、其他类型桥梁结构的竖向温度梯度模式,其结果为完善我国相关设计规范提供依据,还可为桥梁结构温度场和温度效应相关的研究提供依据。
实施例二
为了便于理解,本实施例以一个较为具体的例子对竖向温度梯度模式预测方法进行说明,以新武黄立交桥为工程实例进行说明,如图3所示,竖向温度梯度模式预测方法包括:
S51、基于钢箱梁所在地区的气象数据,建立日照作用下钢箱梁的温度场模型。
新武黄立交桥位于武汉市三环线南环段与武黄高速公路相交路口,分析对象为B匝道第六联(35m+45m+35m)的钢结构变截面连续曲线箱梁,如图4所示。上部结构为单箱双室截面,材料采用厚度为24mm的Q345C,箱梁顶板宽10m,底板宽5m,挑臂长2.5m,高0.15m~0.4m,底板下缘按二次抛物线变化。桥面铺装采用10cm厚高强混凝土+9cm厚沥青混凝土。钢箱梁外表面(桥面板和底板除外)环氧云铁封孔底漆一道厚20μm,环氧云铁中间漆一道厚60μm;桥面板环氧富锌漆一道厚75-100μm;箱梁底部无机富锌漆一道厚40μm。由于顺桥向温度分布基本一致,而且日照作用下箱梁的竖向温度梯度作用于桥梁结构产生的效应最大,所以仅在上述工程实例的边跨跨中截面(1-1断面)布置温度传感器对其进行实时监测。梁体共布置11个温度传感器(T1~T11),桥面布置1个温度传感器IT1,图5给出了温度传感器的布置示意图,温度数据采集时间周期以10分钟为例。
建立温度场模型包括以下步骤:
1)根据工程实例中钢箱梁的截面几何特征,将其分为9个part:顶板为part1,左侧板为part2,右侧板为part3,左翼缘板为part4,右翼缘板为part5,左边腹板为part6,中腹板为part7,右边腹板为part8,底板为part9,具体形状如图6所示。采用大型通用有限元软件ANSYS分别建立9个part的几何模型(单位:cm),并以iges格式导出;
2)将上一步在ANSYS软件中建立的各part的iges格式的几何模型逐个导入到HYPERMESH软件中,分别对其进行网格划分(划分为边长为10cm的正方形网格),并将划分好网格的各part以nas格式输出;
3)将上一步在HYPERMESH软件中划分好网格的9个part的nas格式的几何模型依次导入到热处理软件TAITHERM软件中,用condense功能将坐标重合的节点合并,同时也将各part组合成了梁的整体模型(一共135033个单元);
4)接着,在TAITHERM中将各part分为6层,并赋予各层厚度、材料类型及其热物性参数(密度、比热容、导热系数、反射率、吸收率、对流换热系数和涂装颜色),各类材料热物性参数如下表1所示;然后,输入初始温度及热边界条件,设置桥梁所在的经纬度、海拔高度、时区等地理位置参数,如下表2所示。
表1热物性参数
表2热边界条件参数
5)从网站(如https://www.wolframalpha.com)中提取桥址处辐射、气温、风速、风向、云层覆盖率、长波辐射和降雨量等气象数据,再将其以txt格式输入到TAITHERM软件中,即可模拟太阳辐射、云层遮挡和散射等因素对钢箱梁温度分布的影响,因而可建立出日照作用下钢箱梁的温度场模型。
S52、根据实测温度数据对温度场模型进行修正,并得到梯度温度值最大时的竖向温度梯度曲线。
首先,提取温度传感器中采集的日照作用下钢箱梁各测点的温度样本,再综合考虑监测数据的完整性和天气状况,选择实测温度值较为完整、天气较晴朗的时间段(如2019年7月1日-7月31日),将各测点的实测温度值与温度场模型计算得到的温度值进行对比,初步验证温度场模型的合理性。例如实测温度值与计算得到的温度值的绝对误差小于预设阈值(如小于20%)时,表示温度场模型合理。其次,采用反演分析法对日照作用下钢箱梁的温度场模型进行修正,进而得到精细化的钢箱梁温度场模型,路面测点IT1、腹板测点T3两个典型测点的实测温度值与计算得到的温度值的对比结果分别如图7、图8所示,由此可以发现实测温度值与计算得到的温度值的绝对误差均小于10%(分别为5.4%、6.7%),进一步证实了修正后的温度场精细化模型的可靠性。然后,结合已有研究的结论及精细化温度场的计算结果,发现顺桥向温度分布基本一致,且日照作用下钢箱梁的竖向温度梯度作用于桥梁结构产生的效应最大,因此以钢箱梁温度场精细化模型为基础研究钢箱梁的竖向温度梯度。最后,提取钢箱梁温度场精细化模型的计算结果,可以得到竖向梯度温度值最大时自顶板沿腹板向下的竖向温度分布呈非线性,近似呈指数函数曲线分布,如图9所示。
S53、确定影响竖向温度梯度的主要气象参数在设计基准期内的极端气象数据的代表值。
先采用控制变量法依次控制各气象参数在实际气象参数的基础上按一定的百分比增减,其余参数不变,进而分析各气象参数对竖向温度梯度的最大梯度温度值的影响,因此便可根据各参数的影响程度确定影响竖向温度梯度的主要参数,包括气温、辐射和风速;
为了取值和计算方便,直接取2018年7-9月武汉地区的逐时平均风速作为极端风速逐时代表值。根据《工业建筑供暖通风与空气调节设计规范》中确定室外空气计算参数的方法可确定武汉地区(北纬30度、3级大气透明度等级)极端辐射逐时代表值。对于气温代表值的确定,先统计分析近年来的日最高气温和最大气温日较差,通过假设检验得到其广义极值分布函数分别为式(1)和式(2),分布曲线分别如图10和图11所示。然后,通过超越概率中重现期和保证率的关系(见式(3))及概率分布函数计算得到重现期考虑为100年(保证率取99%)时,日最高气温为45℃,最大气温日较差为16℃。最后,根据武汉地区2018年温度变化拟合出夏季逐时温度函数,见式(4),再将得到的100年重现期内的日最高气温、最低气温代入其中便可得极端气温逐时代表值;因此,便确定了桥梁设计基准期内(100年)的极端气象数据代表值。
式中,x指夏季日最高气温。
式中,x指最大气温日较差。
式中,T0为重现期。
式中,Tmax指日最高气温,Tmin指日最低气温,t指时刻,t为整数。
S54、将极端气象数据代表值重复m天,输入到温度场精细化模型进行计算,得到连续m天极端气象条件下钢箱梁的温度分布。
为了减小实际的初始温度与模型中设置的初始温度存在的差异对计算结果的影响,先将得到的极端气象数据代表值重复五天,再将其输入到修正后的钢箱梁温度场精细化模型中,即可得到连续五天极端气象条件下钢箱梁的温度分布。
S55、基于连续m天极端气象条件下钢箱梁温度场精细化模型的计算结果,拟合出竖向梯度温度值最大时刻的竖向温度梯度模式。
用ORIGIN数理统计分析软件对本发明得到的极端气象条件下钢箱梁桥面板处梯度温度值最大时刻的竖向温度梯度分布进行曲线拟合,即可得到武汉地区同类钢箱梁的竖向温度梯度模式,见式(5):
y=11.68e-0.04x (5)
式中,x为温度,y为距桥面板的距离。
S56、将竖向温度梯度模式、实测的最大竖向温度梯度分布和规范中规定的钢混组合桥竖向梯度模式进行对比。
S57、根据对比结果确定了拟合的竖向温度梯度模式的合理性,且该模式较规范中的钢混组合桥竖向梯度模式更为保守。
S58、根据拟合的竖向温度梯度模式对钢箱梁设计进行指导或为钢箱梁温度效应的精确计算分析提供依据。
如图12所示,拟合的温度梯度模式与实测的最大竖向温度分布比较接近,因此拟合的竖向温度梯度模式是合理的。同时,拟合的温度梯度模式的梯度温度值均超过了规范中规定的钢混组合桥竖向梯度模式的梯度温度值,因此说明拟合的竖向温度梯度模式更保守,进而通过拟合的竖向温度梯度模式对钢箱梁设计进行指导或为钢箱梁温度效应的精确计算分析提供依据。
实施例三
本实施例提供一种竖向温度梯度模式预测装置,如图13所示,该竖向温度梯度模式预测装置包括模型建立模块1301、修正模块1302、确定模块1303和拟合模块1304;
模型建立模块1301,用于基于钢箱梁所在地区的气象数据,建立日照作用下钢箱梁的温度场模型;
修正模块1302,用于根据实测温度数据对温度场模型进行修正得到温度场精细化模型;
确定模块1303,用于确定桥梁设计基准期内的极端气象数据代表值;
拟合模块1304,用于根据极端气象数据代表值和温度场精细化模型得到极端气象条件下钢箱梁的温度分布,并根据钢箱梁的温度分布拟合出竖向温度梯度模式。
模型建立模块1301具体用于根据钢箱梁的几何特征对钢箱梁截面进行划分得到至少n个区域,并通过有限元分析软件分别建立n个区域的几何模型,n为正整数;通过有限元分析前处理软件对几何模型进行网格划分后,通过热分析软件组合得到钢箱梁的整体模型;确定整体模型的n个区域的材料类型、厚度和热物性参数,确定初始温度及热边界条件,其中热边界条件包括钢箱梁所在地区的地理位置参数、接触介质和对流系数;确定钢箱梁桥址处的气象数据后,在热分析软件中设置材料类型、厚度、热物性参数、地理位置参数、接触介质和对流系数和气象数据,进而建立日照作用下钢箱梁的温度场模型。
修正模块1302具体用于获取目标时间段内的钢箱梁各测点的实测温度值;将实测温度值与温度场模型中计算得到的温度值进行对比,验证温度场模型的合理性;实测温度值与计算得到的温度值的绝对误差小于预设阈值时,通过反演分析法对日照作用下钢箱梁的温度场模型进行修正,得到温度场精细化模型。
确定模块1303具体用于确定各气象参数对竖向温度梯度的最大梯度温度值的影响程度;根据各气象参数的影响程度确定影响竖向温度梯度的主要气象参数,主要气象参数包括气温、辐射和风速;根据主要气象参数的影响程度,确定设计基准期内的极端气象数据的代表值;对于对竖向最大梯度温度值影响最小的风速,将预设时间内的逐时平均风速作为钢箱梁所在地区的极端风速逐时代表值;
对于辐射,根据预设设计规范确定钢箱梁所在地区的极端辐射逐时代表值;
对于气温,统计分析预设年内的日最高气温和最大气温日较差,得到广义极值分布函数分别为式(1)和式(2);
式中,x指夏季日最高气温;
式中,x指最大气温日较差;
通过超越概率中重现期与保证率的关系及概率分布函数计算得到重现期内的日最高气温和最大气温日较差,重现期与保证率的关系为式(3);
式中,T0为重现期;
将得到的预设重现期内的日最高气温、最低气温代入钢箱梁所在地区的夏季逐时温度函数,得到极端气温逐时代表值,夏季逐时温度函数为式(4);
式中,Tmax指日最高气温,Tmin指日最低气温,t指时刻,t为整数。
拟合模块1304具体用于将极端气象数据代表值重复m天,输入到温度场精细化模型进行计算,得到连续m天极端气象条件下钢箱梁的温度分布,m为正整数;通过数理统计分析软件对得到的极端气象条件下钢箱梁的桥面板处梯度温度值最大时刻的竖向温度梯度分布进行曲线拟合,得到钢箱梁所在地区同类钢箱梁的竖向温度梯度模式。
修正模块1302,还用于基于温度场精细化模型的计算结果,得到竖向梯度温度值最大时自顶板沿腹板向下的竖向温度梯度模式;拟合模块1304,还用于将预测的竖向温度梯度模式、实测的最大竖向温度梯度分布和规范中规定的钢混组合桥竖向梯度模式进行对比;根据对比结果确定拟合的竖向温度梯度模式的合理性。竖向温度梯度模式为式(5):
y=11.68e-0.04x (5)
式中,x为温度,y为距桥面板的距离。
可以理解的是,竖向温度梯度模式预测装置还可以实现上述各实施例中的竖向温度梯度模式预测方法的步骤,在此不再一一赘述。
本实施例还提供一种存储介质,存储介质包括存储有一个或者多个计算机程序,一个或者多个计算机程序可被一个或者多个处理器执行,以实现如上各实施例中的竖向温度梯度模式预测方法的步骤,在此不再一一赘述。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种竖向温度梯度模式预测方法,其特征在于,所述竖向温度梯度模式预测方法包括:
步骤S1、基于钢箱梁所在地区的气象数据,建立日照作用下所述钢箱梁的温度场模型;
步骤S2、根据实测温度数据对所述温度场模型进行修正得到温度场精细化模型;
步骤S3、确定所述钢箱梁所在地区桥梁设计基准期内的极端气象数据代表值;
步骤S4、根据所述极端气象数据代表值和所述温度场精细化模型得到极端气象条件下所述钢箱梁的温度分布,根据所述钢箱梁的温度分布拟合出竖向温度梯度模式。
2.根据权利要求1所述的竖向温度梯度模式预测方法,其特征在于,所述步骤S1包括:
S11、根据所述钢箱梁的几何特征对所述钢箱梁截面进行划分得到至少n个区域,并通过有限元分析软件分别建立n个区域的几何模型,所述n为正整数;
S12、通过有限元分析前处理软件对所述几何模型进行网格划分后,通过热分析软件组合得到所述钢箱梁的整体模型;
S13、确定所述整体模型的n个区域的材料类型、厚度和热物性参数,确定初始温度及热边界条件,所述热边界条件包括所述钢箱梁所在地区的地理位置参数、接触介质和对流系数;
S14、确定所述钢箱梁桥址处的气象数据;
S15、通过在所述热分析软件设置步骤S13的材料类型、厚度、热物性参数、地理位置参数、接触介质和对流系数和步骤S14的气象数据,建立所述日照作用下钢箱梁的温度场模型。
3.根据权利要求1所述的竖向温度梯度模式预测方法,其特征在于,所述步骤S2包括:
S21、获取目标时间段内的所述钢箱梁各测点的实测温度值;
S22、将所述实测温度值与所述温度场模型中计算得到的温度值进行对比,验证所述温度场模型的合理性;
S23、所述实测温度值与计算得到的温度值的绝对误差小于预设阈值时,通过反演分析法对日照作用下钢箱梁的温度场模型进行修正,得到温度场精细化模型。
4.根据权利要求1所述的竖向温度梯度模式预测方法,其特征在于,所述步骤S3包括:
S31、确定各气象参数对竖向温度梯度的最大梯度温度值的影响程度;
S32、根据所述各气象参数的影响程度确定影响所述竖向温度梯度的主要气象参数,所述主要气象参数包括气温、辐射和风速;
S33、根据所述主要气象参数的影响程度,确定设计基准期内的极端气象数据的代表值。
5.根据权利要求4所述的竖向温度梯度模式预测方法,其特征在于,所述步骤S33包括:
对于对竖向最大梯度温度值影响最小的风速,将预设时间内的逐时平均风速作为所述钢箱梁所在地区的极端风速逐时代表值;
对于所述辐射,根据预设设计规范确定所述钢箱梁所在地区的极端辐射逐时代表值;
对于所述气温,统计分析预设年内的日最高气温和最大气温日较差,得到广义极值分布函数分别为式(1)和式(2);
式中,x指夏季日最高气温;
式中,x指最大气温日较差;
通过超越概率中重现期与保证率的关系及概率分布函数计算得到重现期内的日最高气温和最大气温日较差,所述重现期与保证率的关系为式(3);
式中,T0为重现期;
将得到的预设重现期内的日最高气温、最低气温代入所述钢箱梁所在地区的夏季逐时温度函数,得到极端气温逐时代表值,所述夏季逐时温度函数为式(4);
式中,Tmax指日最高气温,Tmin指日最低气温,t指时刻,t为整数。
6.根据权利要求1所述的竖向温度梯度模式预测方法,其特征在于,所述步骤S4包括:
S41、将所述极端气象数据代表值重复m天,输入到温度场精细化模型进行计算,得到连续m天极端气象条件下钢箱梁的温度分布,所述m为正整数;
S42、通过数理统计分析软件对得到的极端气象条件下所述钢箱梁的桥面板处梯度温度值最大时刻的竖向温度梯度分布进行曲线拟合,得到所述钢箱梁所在地区同类钢箱梁的竖向温度梯度模式。
7.根据权利要求1-6任一项所述的竖向温度梯度模式预测方法,其特征在于,所述步骤S2还包括:
S24、基于温度场精细化模型的计算结果,得到竖向梯度温度值最大时自顶板沿腹板向下的实测的最大竖向温度梯度分布;
所述步骤S4还包括:
S43、将所述竖向温度梯度模式、实测的最大竖向温度梯度分布和规范中规定的钢混组合桥竖向梯度模式进行对比,根据对比结果确定拟合的竖向温度梯度模式的合理性。
8.根据权利要求7所述的竖向温度梯度模式预测方法,其特征在于,所述竖向温度梯度模式为式(5):
y=11.68e-0.04x (5)
式中,x为温度,y为距桥面板的距离。
9.一种竖向温度梯度模式预测装置,其特征在于,包括:模型建立模块、修正模块、确定模块和拟合模块;
所述模型建立模块,用于基于钢箱梁所在地区的气象数据,建立日照作用下钢箱梁的温度场模型;
所述修正模块,用于根据实测温度数据对所述温度场模型进行修正得到温度场精细化模型;
所述确定模块,用于确定桥梁设计基准期内的极端气象数据代表值;
所述拟合模块,用于根据所述极端气象数据代表值和所述温度场精细化模型得到极端气象条件下所述钢箱梁的温度分布,根据所述钢箱梁的温度分布拟合出竖向温度梯度模式。
10.一种存储介质,其特征在于,所述存储介质包括存储有一个或者多个计算机程序,所述一个或者多个计算机程序可被一个或者多个处理器执行,以实现如权利要求1至8中任一项所述的竖向温度梯度模式预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011172378.1A CN112287581B (zh) | 2020-10-28 | 2020-10-28 | 一种竖向温度梯度模式预测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011172378.1A CN112287581B (zh) | 2020-10-28 | 2020-10-28 | 一种竖向温度梯度模式预测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112287581A true CN112287581A (zh) | 2021-01-29 |
CN112287581B CN112287581B (zh) | 2023-06-06 |
Family
ID=74372890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011172378.1A Active CN112287581B (zh) | 2020-10-28 | 2020-10-28 | 一种竖向温度梯度模式预测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112287581B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113094795A (zh) * | 2021-04-21 | 2021-07-09 | 中南大学 | 一种桥梁温度测量方法、装置、设备及可读存储介质 |
CN113340937A (zh) * | 2021-05-10 | 2021-09-03 | 武汉深维鼎测科技有限公司 | 基于氧弹式量热仪的热值快速测量方法及系统 |
CN114139263A (zh) * | 2021-12-03 | 2022-03-04 | 西南交通大学 | 一种考虑桥面局部风场的桥梁风温耦合数值模拟方法 |
CN114197380A (zh) * | 2021-12-28 | 2022-03-18 | 江苏长路智造科技有限公司 | 一种应用于跨江大桥的环境质量自动补偿装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393877A (zh) * | 2011-07-13 | 2012-03-28 | 东南大学 | 一种桥梁结构钢箱梁随机温度场的模拟方法 |
CN103726434A (zh) * | 2014-01-07 | 2014-04-16 | 东南大学 | 高温沥青混凝土摊铺下钢箱梁桥道系温度场模型建立方法 |
CN107220219A (zh) * | 2017-07-10 | 2017-09-29 | 长安大学 | 铁路钢箱梁桥温度梯度模式评价方法 |
-
2020
- 2020-10-28 CN CN202011172378.1A patent/CN112287581B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393877A (zh) * | 2011-07-13 | 2012-03-28 | 东南大学 | 一种桥梁结构钢箱梁随机温度场的模拟方法 |
CN103726434A (zh) * | 2014-01-07 | 2014-04-16 | 东南大学 | 高温沥青混凝土摊铺下钢箱梁桥道系温度场模型建立方法 |
CN107220219A (zh) * | 2017-07-10 | 2017-09-29 | 长安大学 | 铁路钢箱梁桥温度梯度模式评价方法 |
Non-Patent Citations (1)
Title |
---|
HAILIN LU: "Analysis of Sunshine Temperature Field of Steel Box Girder Based on Monitoring Data", 《HINDAWI》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113094795A (zh) * | 2021-04-21 | 2021-07-09 | 中南大学 | 一种桥梁温度测量方法、装置、设备及可读存储介质 |
CN113340937A (zh) * | 2021-05-10 | 2021-09-03 | 武汉深维鼎测科技有限公司 | 基于氧弹式量热仪的热值快速测量方法及系统 |
CN113340937B (zh) * | 2021-05-10 | 2022-05-13 | 武汉深维鼎测科技有限公司 | 基于氧弹式量热仪的热值快速测量方法及系统 |
CN114139263A (zh) * | 2021-12-03 | 2022-03-04 | 西南交通大学 | 一种考虑桥面局部风场的桥梁风温耦合数值模拟方法 |
CN114197380A (zh) * | 2021-12-28 | 2022-03-18 | 江苏长路智造科技有限公司 | 一种应用于跨江大桥的环境质量自动补偿装置 |
CN114197380B (zh) * | 2021-12-28 | 2023-08-15 | 江苏中路信息科技有限公司 | 一种应用于跨江大桥的环境质量自动补偿装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112287581B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112287581B (zh) | 一种竖向温度梯度模式预测方法、装置及存储介质 | |
Kent et al. | Evaluation of urban local-scale aerodynamic parameters: implications for the vertical profile of wind speed and for source areas | |
Larsson et al. | Estimating extreme values of thermal gradients in concrete structures | |
CN107991721B (zh) | 一种基于天文和气象环境因子的逐时散射比预测方法 | |
Alexander et al. | Linking urban climate classification with an urban energy and water budget model: Multi-site and multi-seasonal evaluation | |
Tieleman | Strong wind observations in the atmospheric surface layer | |
Liu et al. | Experimental analysis of temperature gradient patterns of concrete-filled steel tubular members | |
Defraeye et al. | A methodology to assess the influence of local wind conditions and building orientation on the convective heat transfer at building surfaces | |
CN102436722A (zh) | 一种混凝土坝的温控防裂监测方法 | |
Lu et al. | Analysis of sunshine temperature field of steel box girder based on monitoring data | |
Ricci et al. | Simulation of urban boundary and canopy layer flows in port areas induced by different marine boundary layer inflow conditions | |
Chiteka et al. | A method to predict solar photovoltaic soiling using artificial neural networks and multiple linear regression models | |
Allaerts et al. | Development of a time–height profile assimilation technique for large-eddy simulation | |
Hanslian et al. | Combining the VAS 3D interpolation method and Wind Atlas methodology to produce a high-resolution wind resource map for the Czech Republic | |
Chen et al. | Assessment on time-varying thermal loading of engineering structures based on a new solar radiation model | |
Zhu et al. | Mapping temperature contours for a long-span steel truss arch bridge based on field monitoring data | |
CN109614649B (zh) | 一种面向华南地区桥梁的全气候热分析方法 | |
Zou et al. | Impact of eddy characteristics on turbulent heat and momentum fluxes in the urban roughness sublayer | |
Görtz et al. | Energy load prediction on structures and buildings-Effect of numerical model complexity on simulation of heat fluxes across the structure/environment interface | |
Yang et al. | Transforming and validating urban microclimate data with multi-sourced microclimate datasets for building energy modelling at urban scale | |
Forouzandeh | Parametric analysis of influence of courtyard microclimate on diminution of convective heat transfer through building’s envelope | |
CN110807218B (zh) | 大跨径预应力混凝土箱梁桥的竖向温度梯度效应分析方法 | |
Antretter et al. | An approach to assess future climate change effects on indoor climate of a historic stone church | |
Wang et al. | A study of function-based wind profiles based on least squares method: A case in the suburbs of Hohhot | |
Elshoura et al. | Study of statistical uncertainties for temperature gradients in concrete bridges |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |