项目名称: 基于完全概率分析的围护结构设计风荷载计算方法研究

项目编号: No.51278367

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 建筑科学

项目作者: 全涌

作者单位: 同济大学

项目金额: 80万元

中文摘要: 风灾调查显示,建筑结构的风致灾害主要表现为围护结构的风致破坏,主体结构风毁的现象非常鲜见。然而,大量实测和风洞试验结果表明,目前世界上主要国家的风荷载规范以及常用计算方法都可能低估了围护结构的风荷载。系统深入地开展围护结构风荷载的研究对减小逐年增加的风灾损失具有重要的实用价值和理论意义。 本项目拟以足尺模型实测和缩尺模型风洞试验得到的建筑表面风压系数测量结果以及气象部门提供的强风风速风向长期观测数据为依据,通过对建筑结构的风压系数在各风向的概率分布规律以及强风的风速风向联合概率分布特征的研究,给出给定超越概率的建筑围护结构风荷载的更合理更准确的计算方法和基本信息,并简化成易于工程使用的简化计算方法,使之在保证安全性的同时提供更加经济实用的风荷载设计数据,为相关荷载规范的修订提供依据。

中文关键词: 风荷载;围护结构;概率;建筑;

英文摘要: Wind damage surverys indicated that the loss in windstorm is mainly made up with damage to claddings/components and it is unusual for main structures of a building to be destoried by strong wind. However,a lot of results of field measurements and wind tunnel tests indicated that most of load codes of major countries in the world and common used methods at present may underestimate the wind loads on claddings/components of buildings and structures. Study thoroughly and systematically on wind loads on claddings/components to reduce the loss in windstorm increasing year by year has important practical value and theoretical significance. ??Based on the wind pressure coefficient data from field measurements and wind tunnel tests and the long-term observation data of windstroms from meteorological departments, the probabilities both of the wind pressure coefficient on buildings or structures and strong wind will be anysized systematically in present study, and then the wind loads of claddings/components with a given exceeding probability will be calculated more reasonably and more accuratly. After then,a simplified method will be given to provide more economical and more secure wind load design data for claddings/components, which can provide the basic data for load code revision.

英文关键词: wind load;claddings or components;probability;building;

成为VIP会员查看完整内容
0

相关内容

【Reza Yazdanfar】基于递归神经网络的多元缺失值时间序列
【NeurIPS2021】未见深度架构参数预测
专知会员服务
9+阅读 · 2021年10月27日
专知会员服务
150+阅读 · 2021年9月25日
基于深度神经网络的高效视觉识别研究进展与新方向
专知会员服务
38+阅读 · 2021年8月31日
专知会员服务
52+阅读 · 2021年8月29日
专知会员服务
49+阅读 · 2021年6月2日
专知会员服务
20+阅读 · 2021年5月1日
【干货书】机器学习特征工程,217页pdf
专知会员服务
124+阅读 · 2021年2月6日
《概率统计及其在计算中的应用》书册,384页pdf
专知会员服务
45+阅读 · 2021年1月7日
机器学习速查手册,135页pdf
专知会员服务
340+阅读 · 2020年3月15日
AAAI 2022 | 条件局部图卷积网络用以气象预测
PaperWeekly
0+阅读 · 2022年3月5日
让人惊叹的Johnson-Lindenstrauss引理:理论篇
PaperWeekly
0+阅读 · 2021年10月2日
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
招聘平面设计实习生
微软研究院AI头条
0+阅读 · 2021年5月20日
智能合约的形式化验证方法研究综述
专知
15+阅读 · 2021年5月8日
你的算法可靠吗? 神经网络不确定性度量
专知
40+阅读 · 2019年4月27日
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年5月10日
Enhanced Change-Point Detection in Functional Means
Arxiv
0+阅读 · 2022年5月9日
Arxiv
18+阅读 · 2019年1月16日
小贴士
相关主题
相关VIP内容
【Reza Yazdanfar】基于递归神经网络的多元缺失值时间序列
【NeurIPS2021】未见深度架构参数预测
专知会员服务
9+阅读 · 2021年10月27日
专知会员服务
150+阅读 · 2021年9月25日
基于深度神经网络的高效视觉识别研究进展与新方向
专知会员服务
38+阅读 · 2021年8月31日
专知会员服务
52+阅读 · 2021年8月29日
专知会员服务
49+阅读 · 2021年6月2日
专知会员服务
20+阅读 · 2021年5月1日
【干货书】机器学习特征工程,217页pdf
专知会员服务
124+阅读 · 2021年2月6日
《概率统计及其在计算中的应用》书册,384页pdf
专知会员服务
45+阅读 · 2021年1月7日
机器学习速查手册,135页pdf
专知会员服务
340+阅读 · 2020年3月15日
相关资讯
AAAI 2022 | 条件局部图卷积网络用以气象预测
PaperWeekly
0+阅读 · 2022年3月5日
让人惊叹的Johnson-Lindenstrauss引理:理论篇
PaperWeekly
0+阅读 · 2021年10月2日
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
招聘平面设计实习生
微软研究院AI头条
0+阅读 · 2021年5月20日
智能合约的形式化验证方法研究综述
专知
15+阅读 · 2021年5月8日
你的算法可靠吗? 神经网络不确定性度量
专知
40+阅读 · 2019年4月27日
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员