【技术实现步骤摘要】
本专利技术涉及一种采用经验模态分解（EMD)与极限学习机（ELM)组合的单点非平稳 脉动风速预测方法，具体的说是一种基于EMD-ELM的非平稳脉动风速预测方法。
技术介绍
对于大跨空间结构、大跨度桥梁、高层建筑结构，高耸结构，如拉线式桅杆、电视 塔、烟肉等建筑物，风荷载是结构抗风设计的控制荷载之一。而进行结构的抗风分析首先要 获取风荷载的样本数据，目前确定风工程的主要研究手段有理论分析、数值模拟、风洞试验 以及现场实测等。随着计算机技术的飞速发展和人们对随机过程数值模拟技术的深入研 究，采用数值模拟方法得到风速时程曲线可以考虑场地、风谱特征、建筑物的特点等条件的 任意性，使模拟得到的荷载尽量接近结构的实际风力，同时可满足某些统计特性的任意性， 且比实际记录更具代表性，因而被广泛应用于实际工程中。 非平稳特性作为自然界中各种随机荷载普遍存在的一种现象，如：大气边界层湍 流、雷暴强风及地震等。其振幅和频率都是随时间变化的，因此在某些特定环境下对脉动风 进行数值模拟，风的非平稳性是必须要考虑的因素。特别是在下击暴流中，即雷暴天气中强 烈的下沉气流猛烈撞击地...
【技术保护点】
一种基于EMD‑ELM的非平稳脉动风速预测方法，其特征在于，其包括以下步骤：第一步：利用时变自回归滑动平均模型模拟生成非平稳脉动风速样本，将脉动风速样本分为训练集、测试集两部分，并采用Matlab对样本归一化处理；第二步：对该非平稳脉动风速样本的时间序列进行经验模式分解算法处理，将这一非平稳非线性的脉动风信号分解为一组稳态和线性的序列集，即固有模态函数；第三步：对这一组固有模态函数分量进行相空间重构，并根据他们各自的特征分别建立相应的极限学习机预测模型，对该点非平稳脉动风速时程进行学习预测；第四步：将这一组固有模态函数分量的预测结果进行叠加就得到该点的非平稳脉动风的预测风速...
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。