矩形平面超高层建筑横风向气动力谱的神经网络预测

在超高层建筑抗风设计中常发生当平面深宽比较大时，荷载规范建议的横风向风荷载过于保守而高估建筑风荷载和风振响应的现象。利用高频底座测力天平技术，分别在B,C两类风场中对10种不同深宽比（D/B）的矩形平面超高层建筑模型进行风洞试验。采用遗传算法（GA）和误差反向传播（BP）神经网络相结合的方法（GA-BP）对试验得到的横风向气动力谱进行建模研究。用GA对BP神经网络的初始权值和阈值进行寻优，找到最优参数后，再赋值于BP神经网络训练求解问题，并运用k折交叉验证法进行仿真验证，最终获得精度明显高于BP模型的结构横风向气动力谱预测模型，显示GA-BP神经网络横风向气动力模型收敛速度快、泛化能力强。采用本文模型进行预测并和试验数据对比，结果显示，基于GA-BP的气动力模型能够很好地预测未参与建模的横风向气动力谱，采用本文模型和原始风洞数据计算的结构横风向风荷载和风致响应具有很好的一致性，但在较大深宽比时均显著小于现行规范方法结果，显示规范方法结果偏于保守。