基于径向基神经网络的谐波叠加法

风荷载的数值模拟在结构设计中起着非常重要的作用。在土木工程脉动风速时程的各种数值模拟方法中,谐波叠加法最为常用。而且,通过引入FFT和不同插值技术可以在不显著地影响模拟精度的情况下,大大地缩短模拟计算所花费的时间。本文提出使用径向基神经网络(RBF neural network)插值技术来改进传统的谐波叠加法。使用基于径向基神经网络和传统的谐波叠加法(未引入插值技术)来模拟一幢100米高高层建筑上10个点的脉动风速时程,通过均方根误差( Root Mean Square Error, )和相对误差系数( Error factor, )两项指标来评价改进的与传统的谐波叠加法相比较的模拟计算精度,并且记录各自所耗费的时间。结果表明：基于径向基神经网络谐波叠加法的精度令人相当满意,模拟计算效率大大提高。     

基于插值技术谐波叠加法的风速场模拟

摘要：风荷载的数值模拟在结构设计中起着非常重要的作用。在土木工程脉动风速时程的各种数值模拟方法中,谐波叠加法最为常用。而且,通过引入FFT和不同插值技术可以在不显著地影响模拟精度的情况下,大大地缩短模拟计算所花费的时间。本文基于两次多项式、三次多项式、以及两种不同边界条件三次样条函数插值技术的谐波叠加法来模拟一幢100米高高层建筑上10个点的脉动风速时程,通过均方根误差( Root Mean Square Error, )和相对误差系数( Error factor, )两项指标来评价不同插值技术与传统谐波叠加法(未引入插值技术)相比较的插值模拟计算精度,并且记录各自所耗费的时间,综合比较模拟效率和精度以找出最为适合的一种插值技术。结果表明：基于第一种边界条件三次样条函数插值技术的谐波叠加法为最佳的模拟方法。