CN112528363B - 建立位移响应预测模型的方法、装置及电子设备 - Google Patents
建立位移响应预测模型的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112528363B CN112528363B CN202011284734.9A CN202011284734A CN112528363B CN 112528363 B CN112528363 B CN 112528363B CN 202011284734 A CN202011284734 A CN 202011284734A CN 112528363 B CN112528363 B CN 112528363B
- Authority
- CN
- China
- Prior art keywords
- theoretical
- displacement
- field
- parameter
- input parameters
- 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.)
- Active
Links
- 238000006073 displacement reaction Methods 0.000 title claims abstract description 143
- 230000004044 response Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012549 training Methods 0.000 claims abstract description 33
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 230000005855 radiation Effects 0.000 claims description 55
- 238000009826 distribution Methods 0.000 claims description 40
- 238000004364 calculation method Methods 0.000 claims description 21
- 239000000463 material Substances 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 230000004907 flux Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000003570 air Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 241000127225 Enceliopsis nudicaulis Species 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提出一种建立位移响应预测模型的方法、装置及电子设备，涉及建筑分析技术领域。该方法通过获取多组输入参数，并确定每组输入参数对应的理论温度场和理论位移场，然后基于多组输入参数及每组输入参数对应的理论温度场和理论位移场对神经网络进行训练，建立位移响应预测模型。由于输入参数包括位置参数、气象参数以及结构条件参数，从而在建立热边界条件时能够考虑到各种参数对温度场和位移场的影响，更加符合实际情况，使得以此训练得到的位移响应预测模型能够更加精确、快速地预测温度场和位移场。
Description
技术领域
本发明涉及建筑分析技术领域，具体而言，涉及一种建立位移响应预测模型的方法、装置及电子设备。
背景技术
高耸结构物在太阳辐射(日照)和气温等自然气象条件下，其结构内部温度场不断变化并重新分布；温度场的不均匀性将引起结构温度应变不均匀分布，从而使结构物发生弯曲等非均匀温度变形。但进行结构热分析的边界条件、结构内部热传导以及温度效应(变形)分析是结构物温度变形计算的难点。
然而，德国学者凯尔别克、西南交大彭友松根据普通天文学、太阳物理学以及传热学的有关理论，研究了混凝土桥梁结构与外界环境进行热量传递的机理，建立了混凝土桥梁结构日照温度场分析的边界条件，并基于一维热传导和三维热传导理论，对混凝土箱梁的日照温度场与温度应力进行了计算分析和参数研究。但其进行热边界条件计算时，参数选择相对单一，致使计算可选择条件与实际不符，造成计算误差，不能精确地确定温度场。
发明内容
本发明的目的在于提供一种建立位移响应预测模型的方法、装置及电子设备，以解决上述问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种建立位移响应预测模型的方法，所述方法包括：
获取多组输入参数，所述输入参数包括位置参数、气象参数以及结构条件参数；其中，所述位置参数包括经纬度信息及海拔信息，所述气象参数包括太阳常数、大气透明度、大气温度、风速以及风向，所述结构条件参数包括太阳辐射短波吸收率、热辐射长波辐射/吸收率、表面综合热交换系数、结构材料比热以及导热系数；
确定每组所述输入参数对应的理论温度场和理论位移场；其中，所述理论温度场表征建筑结构的理论温度随时间变化的关系，所述理论位移场表征建筑结构的理论位移值随时间变化的关系；
基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型。
进一步地，在所述基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型的步骤之后，所述方法还包括：
获取目标建筑结构的目标位置参数、目标气象参数以及目标结构条件参数；
基于所述目标位置参数、目标气象参数以及目标结构条件参数，并根据所述位移响应预测模型确定所述目标建筑结构在预设时间内的理论温度分布区间；
监测获得所述预设时间内的实际温度分布区间；
若所述实际温度分布区间与所述理论温度分布区间不匹配时，根据所述目标位置参数、目标气象参数、目标结构条件参数及所述实际温度分布区间修正所述位移响应预测模型。
进一步地，在所述基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型的步骤之前，所述方法还包括：
对每组所述理论温度场和所述理论位移场进行修正；
所述基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型的步骤包括：
基于所述多组输入参数及每组修正后的所述理论温度场和理论位移场对神经网络进行训练，建立位移响应预测模型。
进一步地，所述确定每组所述输入参数对应的理论温度场和理论位移场的步骤包括：
根据每组所述经纬度信息、所述海拔信息、所述太阳常数、所述大气透明度、所述大气温度、所述风速、所述风向、所述太阳辐射短波吸收率、所述热辐射长波辐射/吸收率以及所述表面综合热交换系数进行热边界条件计算，确定对应的表面热流密度；
根据所述表面热流密度、所述结构材料比热及所述导热系数确定所述理论温度场；
根据所述理论温度场确定所述理论位移场。
进一步地，所述热边界条件为：
其中，qs为太阳短波辐射，qc为对流热换，qr为长波辐射。
第二方面，本发明实施例还提供了一种建立位移响应预测模型的装置，其特征在于，所述装置包括：
参数获取模块，用于获取多组输入参数，所述输入参数包括位置参数、气象参数以及结构条件参数；其中，所述位置参数包括经纬度信息及海拔信息，所述气象参数包括太阳常数、大气透明度、大气温度、风速以及风向，所述结构条件参数包括太阳辐射短波吸收率、热辐射长波辐射/吸收率、表面综合热交换系数、结构材料比热以及导热系数；
理论值确定模块，用于确定每组所述输入参数对应的理论温度场和理论位移场；其中，所述理论温度场表征建筑结构的理论温度随时间变化的关系，所述理论位移场表征建筑结构的理论位移值随时间变化的关系；
训练模块，用于基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型。
进一步地，所述参数获取模块还用于获取目标建筑结构的目标位置参数、目标气象参数以及目标结构条件参数；
所述理论值确定模块还用于基于所述目标位置参数、目标气象参数以及目标结构条件参数，并根据所述位移响应预测模型确定所述目标建筑结构在预设时间内的理论温度分布区间；
所述参数获取模块还用于监测获得所述预设时间内的实际温度分布区间；
所述训练模块还用于若所述实际温度分布区间与所述理论温度分布区间不匹配时，根据所述目标位置参数、目标气象参数、目标结构条件参数及所述实际温度分布区间修正所述位移响应预测模型。
进一步地，所述装置还包括：
参数修正模块，用于对每组所述理论温度场和所述理论位移场进行修正；
所述训练模块还用于基于所述多组输入参数及每组修正后的所述理论温度场和理论位移场对神经网络进行训练，建立位移响应预测模型。
进一步地，所述理论值确定模块用于根据每组所述经纬度信息、所述海拔信息、所述太阳常数、所述大气透明度、所述大气温度、所述风速、所述风向、所述太阳辐射短波吸收率、所述热辐射长波辐射/吸收率以及所述表面综合热交换系数进行热边界条件计算，确定对应的表面热流密度；
所述理论值确定模块还用于根据所述表面热流密度、所述结构材料比热及所述导热系数确定所述理论温度场；
所述理论值确定模块还用于根据所述理论温度场确定所述理论位移场。
第三方面，本发明实施例还提供了一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述任意一种实施方式提供的建立位移响应预测模型的方法的步骤。
本发明实施例提供的建立位移响应预测模型的方法、装置及电子设备，通过获取多组输入参数，并确定每组输入参数对应的理论温度场和理论位移场，然后基于多组输入参数及每组输入参数对应的理论温度场和理论位移场对神经网络进行训练，建立位移响应预测模型。由于输入参数包括位置参数、气象参数以及结构条件参数，从而在建立热边界条件时能够考虑到各种参数对温度场和位移场的影响，更加符合实际情况，使得以此训练得到的位移响应预测模型能够更加精确、快速地预测温度场和位移场。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的电子设备的方框示意图。
图2示出了本发明实施例提供的建立位移响应预测模型的方法的流程图。
图3示出了建筑结构温度影响环境示意图。
图4示出了图2中S120的具体流程图。
图5示出了合福高铁南平市建溪特大桥高程为65m处的截面信息。
图6、图7分别为混凝土空心薄壁墩模型68m整墩模型及其65m高程处3m高阶段模型。
图8示出了气象预报中心数据。
图9示出了混凝土空心薄壁墩各测点的监测温度与计算温度时程数据。
图10示出了本发明又一实施例提供的建立位移响应预测模型的方法的流程图。
图11示出了本发明实施例提供的建立位移响应预测模型的装置的功能模块图。
附图说明：100-电子设备；110-存储器；120-处理器；130-通信单元；200-建立位移响应预测模型的装置；210-参数获取模块；220-理论值确定模块；230-参数修正模块；240-训练模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，是电子设备100的方框示意图。所述电子设备100包括存储器110、处理器120及通信单元130。所述存储器110、处理器120以及通信单元130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
处理器120用于读/写存储器110中存储的数据或程序，并执行相应地功能。
通信单元130用于通过所述网络建立所述电子设备100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。
应当理解的是，图1所示的结构仅为电子设备100的结构示意图，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
第一实施例
本发明提供了一种建立位移响应预测模型的方法，用于建立位移响应预测模型，以便能快速、准确地确定建筑物的位移响应。请参阅图2，为本申请实施例提供的建立位移响应预测模型的方法的流程图。该建立位移响应预测模型的方法包括：
S110，获取多组输入参数，输入参数包括位置参数、气象参数以及结构条件参数。
可以理解地，处于自然环境中的混凝土结构，在各类与温度相关的环境因素不断变化的影响下，其表面以及内部各点都在不停地进行热交换和热传导作用，从而引起结构温度场变化，而温度场变化则会导致混凝土结构发生形变从而产生位移值。这些环境因素包括季节温度变化、日辐射强度、云层、雾气、空气质量、结构物周围环境情况等环境状况，以及结构物所处海拔、经纬度及朝向方位(直接辐射将不同)等结构状况。
请参阅图3，为建筑结构温度影响环境示意图。从而，位置参数包括经纬度信息及海拔信息，气象参数包括太阳常数、大气透明度、大气温度、风速以及风向，结构条件参数包括太阳辐射短波吸收率、热辐射长波辐射/吸收率、表面综合热交换系数、结构材料比热以及导热系数等参数。
其中，太阳常数为一年中每一天到达气球大气层外表面的太阳辐射强度，其满足算式：
其中，N为当年中自1月1日到计算日期的天数。
大气透明度表征光在大气中的透过能力，其可以直接影响到达地面结构物上的太阳辐射强度计算，并以符号P表示。需要说明的是，大气透明度受臭氧、空气及其中的水蒸气、粉尘、二氧化碳等物质等，以及结构物所在位置海拔高度等复杂因素的影响，大气透明度随地域不同存在较明显差别。
太阳辐射短波吸收率表征将结构物表面吸收太阳短波辐射的能力，并以符号As表示。需要说明的是，太阳短波辐射吸收率主要与结构物外表面材质、颜色、粗糙度、面处理工艺以及材料龄期等相关。例如，普通混凝土短波吸收率As在0.55～0.70之间。
表面综合热交换系数实际上为对流热交换系数与辐射换热系数的和，其表征热对流和辐射作用的综合效果。也即：h＝hc+hr，其中，h为表面综合热交换系数，hc为对流热交换系数，hr为辐射换热系数。
其中，对流热交换系数hc为与混凝土结构表面粗糙度、风速、风向和周围空气温度等许多因素有关。而在当环境中风速v≤5.0m/s时，可以足够精确地采用以下公式计算：
其中，T为结构物表面温度，Ta为大气温度，v为风速。
而辐射换热系数满足算式：
hr＝εC0(546+Ta+T)[(273+Ta)2-(273+T)2]
其中，ε为将实际结构物体向外发出的辐射力与相同温度下黑体的辐射力的比值，即为发射率，C0为Stefan-Boltzmann常数，其值为5.67×10-8W/(m2·K4)。
S120，确定每组输入参数对应的理论温度场和理论位移场。
其中，理论温度场表征建筑结构的理论温度随时间变化的关系，理论位移场表征建筑结构的理论位移值随时间变化的关系。需要说明的是，该理论温度可以为建筑结构的表面或内部任意一点的温度。
请参阅图4，为S120的具体流程图。该S120包括：
S1201，根据每组经纬度信息、海拔信息、太阳常数、大气透明度、大气温度、风速、风向、太阳辐射短波吸收率、热辐射长波辐射/吸收率以及表面综合热交换系数进行热边界条件计算，确定对应的结构表面热流密度。
其中，热边界条件为：
其中，qs为太阳短波辐射，qc为对流热换，qr为长波辐射。
具体地，太阳短波辐射qs可采用以下算式计算：
其中，
I0即为太阳常数，tu为预先确定的克林氏浑浊度系数，ka为预先确定的大气相对气压，m表征太阳到达建筑物表面所经过的光线路程长度与太阳离该建筑物所在水平面的垂直距离的比值，m＝[sinβs+0.15(sinβs+3.889)-1.235]-1，βs为太阳高度角，βn为建筑物表面外法线与地平面的夹角。
需要说明的是，对流热换实际上为在对流热换过程中，从环境通过表面流入混凝土结构内部的热流密度，其具体计算公式为：
qc＝hc(Ta-T)
其中，hc为辐射换热系数，Ta为大气温度，T为建筑物表面温度。
此外，上述长波辐射实际上为建筑物结构内部从外界获得长波辐射的热流密度，其满足算式：
qr＝hr(Ta-T)-qra
其中，hr＝εC0(546+Ta+T)[(273+Ta)2-(273+T)2]为辐射换热系数，
例如，以合福高铁南平市建溪特大桥68m高墩为例，其位于福建省南平建瓯市陈墩村附近，桥梁走向为南向偏东7°。高墩的内、外壁面坡度分别为1：80和1：35，在其不同高度共三个断面内壁的四个方向分别设置有系列温度测点，其中沿壁厚方向最外侧和最内侧传感器均布置于最外层钢筋位置处，离外、内壁表面距离均为5cm。以高程为65m处截面最外侧测点进行计算对比，截面信息如图5及下表1。
表1空心薄壁墩计算截面参数
根据上述所计算的边界条件，所产生的结构温度场应用abaqus有限元软件进行建模计算，计算方法选用(瞬态热传递)分析法。混凝土空心薄壁墩模型68m整墩模型及其65m高程处3m高阶段模型分别如图6、图7。
以2016年7月23日为计算日期。空心薄壁墩断面以及计算截面测点布置如图5，考虑到太阳光线遮挡等影响，主要取东西两侧测点进行计算对比。根据混凝土空心薄壁墩相关热工参数和当天气象条件，计算参数如表2，当天本地气温概况按气象预报中心数据如图8。
表2混凝土空心薄壁墩温度场计算基本参数
根据上述条件可确定混凝土空心薄壁墩各测点的监测温度与计算温度时程数据，其如图9所示。根据计算表明，监测温度与计算温度最大差值为2.9℃，最小计算温差为0.007℃。温度变化曲线的变化趋势以及峰值出现时刻均与监测数据时程曲线较好地对应，说明本专利计算模型能较好地对实际结构在不同时刻的温度场进行有效计算。
S1202，根据表面热流密度、结构材料比热及导热系数确定理论温度场。
S1203，根据理论温度场确定理论位移场。
可以理解地，基于温度-结构耦合计算理论并结合有限元等方法，进行瞬态位移场时空域问题(x,y,z,t)四维问题的求解计算，可计算出结构任一特征点在任何时间点的三维运动轨迹，从而确定理论位移场。
S130，基于多组输入参数及每组输入参数对应的理论温度场和理论位移场对神经网络进行训练，建立位移响应预测模型。
可以理解地，直接利用步骤S120得到多组对应的输入、输出数据，并以此作为训练数据对神经网络进行训练，从而建立位移响应预测模型，可以快速地分析建筑结构的温度场和位移场，避免人工测量，节约时间。
需要说明的是，在实际应用过程中，S120得到的理论温度场和理论位移场可能存在不符合实际逻辑的情况，因而为了保证位移响应预测模型的准确度，在S130之前，还可以先对每组理论温度场和理论位移场进行修正。
此外，在实际应用过程中，也可以对位移响应预测模型进行修正。请参阅图10，本申请提供的建立位移响应预测模型的方法还可以包括：
S140，获取目标建筑结构的目标位置参数、目标气象参数以及目标结构条件参数。
可以理解地，该目标建筑结构即为用户选定的建筑结构。
S150，基于目标位置参数、目标气象参数以及目标结构条件参数，并根据位移响应预测模型确定目标建筑结构在预设时间内的理论温度分布区间。
也即，根据目标位置参数、目标气象参数以及目标结构条件参数及位移响应预测模型，可以确定目标建筑结构的理论温度场，从而确定目标建筑结构在预设时间内的理论温度分布区间。
S160，监测获得预设时间内的实际温度分布区间。
S170，判断实际温度分布区间与理论温度分布区间是否匹配，如果是，则执行S180，如果否，则执行S190。
由于在训练模型时，其输入参数大多是常规状态下的参数，可能并未考虑到一些极端的温度区间，因而在实际应用位移响应预测模型时，需要先判断实际温度分布区间与理论温度分布区间是否匹配，如若不匹配，那得到的位移响应结果大概率不太理想，与实际的位移响应相差较大；如若匹配，则可以直接根据该移响应预测模型确定目标建筑结构的位移响应。
S180，确定目标建筑结构的位移响应。
S190，根据目标位置参数、目标气象参数、目标结构条件参数及实际温度分布区间修正位移响应预测模型。
也即，若实际温度分布区间与理论温度分布区间不匹配时，表明此时的位移响应结果大概率不太理想，与实际的位移响应相差较大，因而根据目标位置参数、目标气象参数、目标结构条件参数及实际温度分布区间修正位移响应预测模型，以进一步提升位移响应预测模型的准确度。
第二实施例
为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种建立位移响应预测模型的装置200的实现方式，可选地，该建立位移响应预测模型的装置200可以采用上述图1所示的电子设备100的器件结构。进一步地，请参阅图11，图11为本发明实施例提供的一种建立位移响应预测模型的装置200的功能模块图。需要说明的是，本实施例所提供的建立位移响应预测模型的装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该建立位移响应预测模型的装置200包括：参数获取模块210、理论值确定模块220、参数修正模块230以及训练模块240。
其中，参数获取模块210用于获取多组输入参数，输入参数包括位置参数、气象参数以及结构条件参数。
可以理解地，在一种可选的实施方式中，该参数获取模块210可用于执行S110。
理论值确定模块220用于确定每组输入参数对应的理论温度场和理论位移场。
具体地，理论值确定模块220用于根据每组经纬度信息、海拔信息、太阳常数、大气透明度、大气温度、风速、风向、太阳辐射短波吸收率、热辐射长波辐射/吸收率以及表面综合热交换系数进行热边界条件计算，确定对应的表面热流密度，根据表面热流密度、结构材料比热及导热系数确定理论温度场，并根据理论温度场确定理论位移场。
可以理解地，在一种可选的实施方式中，该参数获取模块210可用于执行S120、S1201、S1202及S1203。
参数修正模块230用于对每组理论温度场和理论位移场进行修正。
训练模块240用于基于修正后的多组输入参数及每组输入参数对应的理论温度场和理论位移场对神经网络进行训练，建立位移响应预测模型。
可以理解地，在一种可选的实施方式中，该训练模块240可用于执行S130。
参数获取模块210还用于获取目标建筑结构的目标位置参数、目标气象参数以及目标结构条件参数。
可以理解地，在一种可选的实施方式中，该参数获取模块210可用于执行S140。
理论值确定模块220还用于基于目标位置参数、目标气象参数以及目标结构条件参数，并根据位移响应预测模型确定目标建筑结构在预设时间内的理论温度分布区间。
可以理解地，在一种可选的实施方式中，该理论值确定模块220可用于执行S150。
参数获取模块210还用于监测获得预设时间内的实际温度分布区间。
可以理解地，在一种可选的实施方式中，该参数获取模块210可用于执行S160。
判断模块用于判断实际温度分布区间与理论温度分布区间是否匹配。
可以理解地，在一种可选的实施方式中，该判断模块可用于执行S170。
训练模块240还用于若实际温度分布区间与理论温度分布区间不匹配时，根据目标位置参数、目标气象参数、目标结构条件参数及实际温度分布区间修正位移响应预测模型。
可以理解地，在一种可选的实施方式中，该训练模块240可用于执行S190。
综上所述，本发明实施例提供的建立位移响应预测模型的方法、装置及电子设备，通过获取多组输入参数，并确定每组输入参数对应的理论温度场和理论位移场，然后基于多组输入参数及每组输入参数对应的理论温度场和理论位移场对神经网络进行训练，建立位移响应预测模型。由于输入参数包括位置参数、气象参数以及结构条件参数，从而在建立热边界条件时能够考虑到各种参数对温度场和位移场的影响，更加符合实际情况，使得以此训练得到的位移响应预测模型能够更加精确、快速地预测温度场和位移场。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
Claims (9)
1.一种建立位移响应预测模型的方法，其特征在于，所述方法包括：
获取多组输入参数，所述输入参数包括位置参数、气象参数以及结构条件参数；其中，所述位置参数包括经纬度信息及海拔信息，所述气象参数包括太阳常数、大气透明度、大气温度、风速以及风向，所述结构条件参数包括太阳辐射短波吸收率、热辐射长波辐射/吸收率、表面综合热交换系数、结构材料比热以及导热系数；
确定每组所述输入参数对应的理论温度场和理论位移场；其中，所述理论温度场表征建筑结构的理论温度随时间变化的关系，所述理论位移场表征建筑结构的理论位移值随时间变化的关系；
基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型。
2.根据权利要求1所述的建立位移响应预测模型的方法，其特征在于，在所述基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型的步骤之后，所述方法还包括：
获取目标建筑结构的目标位置参数、目标气象参数以及目标结构条件参数；
基于所述目标位置参数、目标气象参数以及目标结构条件参数，并根据所述位移响应预测模型确定所述目标建筑结构在预设时间内的理论温度分布区间；
监测获得所述预设时间内的实际温度分布区间；
若所述实际温度分布区间与所述理论温度分布区间不匹配时，根据所述目标位置参数、目标气象参数、目标结构条件参数及所述实际温度分布区间修正所述位移响应预测模型。
3.根据权利要求1所述的建立位移响应预测模型的方法，其特征在于，在所述基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型的步骤之前，所述方法还包括：
对每组所述理论温度场和所述理论位移场进行修正；
所述基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型的步骤包括：
基于所述多组输入参数及每组修正后的所述理论温度场和理论位移场对神经网络进行训练，建立位移响应预测模型。
4.根据权利要求1-3中任意一项所述的建立位移响应预测模型的方法，其特征在于，所述确定每组所述输入参数对应的理论温度场和理论位移场的步骤包括：
根据每组所述经纬度信息、所述海拔信息、所述太阳常数、所述大气透明度、所述大气温度、所述风速、所述风向、所述太阳辐射短波吸收率、所述热辐射长波辐射/吸收率以及所述表面综合热交换系数进行热边界条件计算，确定对应的表面热流密度；
根据所述表面热流密度、所述结构材料比热及所述导热系数确定所述理论温度场；
根据所述理论温度场确定所述理论位移场。
5.一种建立位移响应预测模型的装置，其特征在于，所述装置包括：
参数获取模块，用于获取多组输入参数，所述输入参数包括位置参数、气象参数以及结构条件参数；其中，所述位置参数包括经纬度信息及海拔信息，所述气象参数包括太阳常数、大气透明度、大气温度、风速以及风向，所述结构条件参数包括太阳辐射短波吸收率、热辐射长波辐射/吸收率、表面综合热交换系数、结构材料比热以及导热系数；
理论值确定模块，用于确定每组所述输入参数对应的理论温度场和理论位移场；其中，所述理论温度场表征建筑结构的理论温度随时间变化的关系，所述理论位移场表征建筑结构的理论位移值随时间变化的关系；
训练模块，用于基于所述多组输入参数及每组所述输入参数对应的所述理论温度场和所述理论位移场对神经网络进行训练，建立位移响应预测模型。
6.根据权利要求5所述的建立位移响应预测模型的装置，其特征在于，所述参数获取模块还用于获取目标建筑结构的目标位置参数、目标气象参数以及目标结构条件参数；
所述理论值确定模块还用于基于所述目标位置参数、目标气象参数以及目标结构条件参数，并根据所述位移响应预测模型确定所述目标建筑结构在预设时间内的理论温度分布区间；
所述参数获取模块还用于监测获得所述预设时间内的实际温度分布区间；
所述训练模块还用于若所述实际温度分布区间与所述理论温度分布区间不匹配时，根据所述目标位置参数、目标气象参数、目标结构条件参数及所述实际温度分布区间修正所述位移响应预测模型。
7.根据权利要求5所述的建立位移响应预测模型的装置，其特征在于，所述装置还包括：
参数修正模块，用于对每组所述理论温度场和所述理论位移场进行修正；
所述训练模块还用于基于所述多组输入参数及每组修正后的所述理论温度场和理论位移场对神经网络进行训练，建立位移响应预测模型。
8.根据权利要求5-7中任意一项所述的建立位移响应预测模型的装置，其特征在于，所述理论值确定模块用于根据每组所述经纬度信息、所述海拔信息、所述太阳常数、所述大气透明度、所述大气温度、所述风速、所述风向、所述太阳辐射短波吸收率、所述热辐射长波辐射/吸收率以及所述表面综合热交换系数进行热边界条件计算，确定对应的表面热流密度；
所述理论值确定模块还用于根据所述表面热流密度、所述结构材料比热及所述导热系数确定所述理论温度场；所述理论值确定模块还用于根据所述理论温度场确定所述理论位移场。
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的建立位移响应预测模型的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011284734.9A CN112528363B (zh) | 2020-11-17 | 2020-11-17 | 建立位移响应预测模型的方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011284734.9A CN112528363B (zh) | 2020-11-17 | 2020-11-17 | 建立位移响应预测模型的方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112528363A CN112528363A (zh) | 2021-03-19 |
| CN112528363B true CN112528363B (zh) | 2023-04-25 |
Family
ID=74981041
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011284734.9A Active CN112528363B (zh) | 2020-11-17 | 2020-11-17 | 建立位移响应预测模型的方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112528363B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109992900A (zh) * | 2019-04-08 | 2019-07-09 | 清华大学 | 一种大体积混凝土多场实时在线协同智能仿真方法和系统 |
| CN110442993A (zh) * | 2019-08-12 | 2019-11-12 | 南京林业大学 | 层间热阻对沥青路面结构受力影响的分析方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108052697B (zh) * | 2017-11-18 | 2020-07-10 | 西安交通大学 | 一种基于workbench的廊管GIL三维温度场及胀缩形变计算方法 |
| US20190297326A1 (en) * | 2018-03-21 | 2019-09-26 | Nvidia Corporation | Video prediction using spatially displaced convolution |
| CN108763763B (zh) * | 2018-05-28 | 2021-10-19 | 东南大学 | 一种桥梁结构应变响应异常预警方法 |
| CN110457795A (zh) * | 2019-07-26 | 2019-11-15 | 东南大学 | 基于神经网络的高层建筑物风致位移状态评估方法 |
-
2020
- 2020-11-17 CN CN202011284734.9A patent/CN112528363B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109992900A (zh) * | 2019-04-08 | 2019-07-09 | 清华大学 | 一种大体积混凝土多场实时在线协同智能仿真方法和系统 |
| CN110442993A (zh) * | 2019-08-12 | 2019-11-12 | 南京林业大学 | 层间热阻对沥青路面结构受力影响的分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李可."高速铁路圆端形空心高墩日照温度场效应研究".《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2021,(第07期),C034-392. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112528363A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bush et al. | Characterization of thermal effects in pyranometers: A data correction algorithm for improved measurement of surface insolation | |
| Zhang et al. | CFD and weighted entropy based simulation and optimisation of Chinese Solar Greenhouse temperature distribution | |
| Steinacker et al. | A mesoscale data analysis and downscaling method over complex terrain | |
| Sun et al. | The surface energy budget in the accumulation zone of the Laohugou Glacier No. 12 in the western Qilian Mountains, China, in summer 2009 | |
| Karn et al. | An investigation into sky temperature estimation, its variation, and significance in heat transfer calculations of solar cookers | |
| CN106092628B (zh) | 一种土木工程结构太阳辐射温度效应分析方法及系统 | |
| CN110045439A (zh) | 基于大气变量瞬变扰动方程组的数值天气预报模式系统 | |
| Kawai et al. | Probability density functions of liquid water path and cloud amount of marine boundary layer clouds: Geographical and seasonal variations and controlling meteorological factors | |
| Muneer et al. | Models for estimating solar radiation and illuminance from meteorological parameters | |
| CN103398780A (zh) | 基于fy-2c热红外波段的近地面气温反演方法 | |
| Ahamed et al. | Cloud cover-based models for estimation of global solar radiation: A review and case study | |
| Aoun | Outdoor testing of free standing PV module temperature under desert climate: a comparative study | |
| Davy et al. | Improving the accuracy of hourly satellite-derived solar irradiance by combining with dynamically downscaled estimates using generalised additive models | |
| Amiri et al. | Most relevant input parameters selection for 10-min global solar irradiation estimation on arbitrary inclined plane using neural networks | |
| Wang et al. | Evaluation of five planetary boundary layer schemes in WRF over China's largest semi-fixed desert | |
| González-Portillo et al. | Sensitivity Analysis of the Levelized Cost of Electricity for a Particle-Based Concentrating Solar Power System | |
| CN112528363B (zh) | 建立位移响应预测模型的方法、装置及电子设备 | |
| Li et al. | Evaluation of solar radiation models on vertical surface for building photovoltaic applications in Beijing | |
| Manoel dos Santos et al. | Comparative study of 16 clear-sky radiative transfer models to estimate direct normal irradiance (DNI) in Botucatu, Brazil | |
| Bigot et al. | A nodal thermal model for photovoltaic systems: Impact on building temperature fields and elements of validation for tropical and humid climatic conditions | |
| Chabane et al. | Prediction of the theoretical and semi-empirical model of ambient temperature | |
| Sobrino et al. | Water‐vapour retrieval from Meteosat 8/SEVIRI observations | |
| Ahmed et al. | Estimation of sky thermal irradiance in arid climate under clear sky conditions | |
| Mackaro et al. | Some physical and computational issues in land surface data assimilation of satellite skin temperatures | |
| Şen | Probabilistic innovative solar irradiation estimation |
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 |