利用机器学习技术研究干扰效应下高层建筑的风压
机器学习
2019-08-21 v1 信号处理
机器学习
摘要
由于大城市中高层建筑群的兴起，高层建筑的干扰效应已吸引大量研究。为充分理解建筑的干扰效应，通常需要大量的风洞试验。仅覆盖部分干扰场景的有限风洞试验无法完全揭示干扰效应。本研究使用机器学习技术，解决了产生不可靠结果的有限风洞试验与成本高昂且耗时的完整干扰效应研究之间的需求冲突。基于数据集的 30% 训练了包括决策树、随机森林、XGBoost、生成对抗网络（GANs）在内的四种机器学习模型，以预测主建筑上的平均与脉动压力系数。GANs 模型在预测这些压力系数方面表现出最佳性能。随后基于数据集中 10% 至 90% 不同比例训练了若干 GANs 模型。研究发现，基于 30% 数据集的 GANs 模型能够准确预测未知干扰条件下的平均与脉动压力系数。通过使用该 GANs 模型，可节省 70% 的风洞试验工况，大幅缓解此类风洞试验研究的成本。
引用
@article{arxiv.1908.07307,
title = {Investigation of wind pressures on tall building under interference effects using machine learning techniques},
author = {Gang Hu and Lingbo Liu and Dacheng Tao and Jie Song and K. C. S. Kwok},
journal= {arXiv preprint arXiv:1908.07307},
year = {2019}
}
备注
15 pages, 14 figures