The error estimation of wind velocity field simulation

• Autorzy: Błazik-Borowa E.

Warianty tytułu

PL

Analiza błędów symulacji pola prędkości wiatru

• Języki publikacji: EN

Abstrakty

EN

This paper is devoted to errors of generating stochastic stationary processes, modelling wind velocity fields at many points in space. The analysed of errors of calculation methods for mean values, standard deviations and power spectral densities are presented. The research of the estimators of random series is preceded by the description of the simulation methods that are used to generate these processes. The author describes and compares three methods: WAWS (Weighted Amplitude Wave Superposition), MR (Multi-Regressive) and ARMA (Auto-Regressive Moving Average). The conclusions contain information about the best parameters of the methods and their drawbacks and advantages.

PL

Celem pracy jest przedstawienie błędów generowania stacjonarnych procesów losowych, które mogą modelować pola prędkości w wielu punktach przestrzeni trójwymiarowej w odniesieniu do silnych wiatrów. Analiza została przeprowadzona na podstawie błędów wartości średniej, odchylenia standardowego i gęstości widmowej mocy. Badanie estymatorów procesów losowych, zostało poprzedzone opisem metod symulacji, za pomocą których zostały wygenerowane. W pracy opisano i porównano trzy metody: WAWS (Weighted Amplitude Wave Superposition), MR (Multi-Regressive) i ARMA (Auto-Regressive Moving Average). W metodzie WAWS proces losowy w punkcie jest liczony jako suma harmonicznych przebiegów czasowych z różnymi okresami i amplitudami zależnymi od wzajemnych widmowych gęstości mocy. Procesy losowe, symulowane metodą MR, są sumami kilku wartości, poprzedzających wyznaczaną wartość, pomnożonymi przez odpowiednie wagi (współczynniki autoregresji), które są wyznaczane na podstawie wzajemnych funkcji korelacji. Metoda ARMA jest podobna do metody MR. W tej metodzie, proces losowy jest sumą iloczynów poprzednich wartości i odpowiednich współczynników oraz kilku wartości białego szumu, które są pomnożone przez współczynniki wyznaczone na podstawie funkcji korelacji pomiędzy białym szumem i generowanym procesem. Procesy losowe zaprezentowane w niniejszej pracy zostały wygenerowane za pomocą programu WIND-SYM opracowanego przez E. Błazik-Borową we współpracy z J. Podgórskim i J. Bęcem. Na podstawie zaprezentowanych w pracy wyników można stwierdzić, że estymatory gęstości widmowej mocy otrzymane z przebiegów czasowych wygenerowanych metodami ARMA i MR wykazują lepszą zgodność z założonymi funkcjami niż estymatory otrzymane z metody WAWS. Natomiast różnice pomiędzy estymatorami średniej prędkości i odchylenia standardowego szeregów losowych symulowanych metodą WAWS i założonych wartości są mniejsze niż w przypadku innych metod. Obliczenia wykonywane metodą WAWS trwają znacznie dłużej niż innymi metodami, ale metoda WAWS nie ma ograniczenia minimalnego przyrostu czasu w generowanych procesach. Dolne ograniczenie przyrostu czasu jest wadą metod MR i ARMA. Przyrost czasu zależy od rzędu metody p. W związku z tym nie można powiedzieć, że któraś z metod jest najlepsza a przy wyborze metody symulacji należy wziąć pod uwagę parametry badanego zagadnienia. Ostatecznie, na podstawie przeprowadzonych badań, zaproponowano najlepsze parametry metod symulacji: w odniesieniu do metody WAWS parametr rozmycia beta= 0,2, w odniesieniu do metody MR zakres rzędu metody 15 > p > 10 oraz w odniesieniu do metody ARMA zakresy: 15 > p> 10 i 5 > q > 3.

Słowa kluczowe

EN

error of simulation; wind velocity; velocity field; stochastic stationary process; simulation method

PL

błąd symulacji; pole prędkości; prędkość wiatru; proces stacjonarny stochastyczny; metoda symulacyjna

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2008
• Tom: Vol. 54, nr 4
• Strony: 669--691
• Opis fizyczny: Bibliogr. 20 poz., il.

Twórcy

autor

Błazik-Borowa E.

• University of Technology, Department of Structural Mechanics, Lublin, Poland,

Bibliografia

• 1. A. IANNUZZI, P. SPINELLI, Artificial wind generation and structural response, J. of Structural Engineering, 113, 12, 2382-2398, 1987.
• 2. C. BORRI, Generation procedures of stationary random processes simulating wind time series, Sezione Strutture, Dipartimento di Ingegneria Civile-Univerita' di Firenze, 11/88, 1988.
• 3. G. AUGUSTI, Simulation of wind loading and response of geometrically non-linear structures with particular reference to large antennas, Structural Safety, 161-179, 1990.
• 4. G. BARTOLI, C. BORII, W. ZAHLTEN, Nonlinear dynamic analysis of cooling towers under stochastic wind loading, J. of Wind Engineering and Industrial Aerodynamics, 41-44, 2187-2198, 1992.
• 5. J. KAMARAJAN, D. A. SMITH, K. C. MEHTA, Investigations of wind pressure data in time domain using ARMA models, Proc. of 9ICWE, "Retrospect and Prospect", New Delhi, 649-658, 1995.
• 6. M. T. CHAY, F. ALBERMANI, R. WILSON, Numerical and analytical simulation of downburst wind loads, Engineering Structures, 28, 240-254, 2006.
• 7. W. COLLISCHONN, C. E. M. Tucci, R. T. CLARKE, S. C. CHOU, L. G. GUILHON, M. CATALDI, D. ALLASIA, Medium-range resevoir inflow predictions based on quantitative precipitation forecasts, J. of Hydrology, 344, 112-122, 2007.
• 8. J. R. Wu, P. F. Liu, Q. S. Li, Effects of amplitude - dependent damping and time constant on wind-induced responses of super tall building, Computers and Structures, 85, 1165-1176, 2007.
• 9. F. CLUNI, V. GUSELLA, F. UBERTINI, A parametic investigation of wind-induced cable fatigue, Engineering Structures, 29, 3094-3105, 2007.
• 10. D. A. SMITH, K. C. MEHTA, An empirical autoregressive model for wind data, Proc. of 9ICWE, "Retrospect and Prospect", New Delhi, 56-66, 1995.
• 11. T. W. LIAO, Clustering of time series data - a survey, Pattern Recognition, 38, 1857-1874, 2005.
• 12. V. MONBET, P. AILLIOT, M. PREVOSTO, Survey of stochastic models for wind and sea stale time series, Probabilistic Engineering Mechanics, 22, 113-126, 2007.
• 13. M. SHINOZUKA, C. M. JAN, Digital simulation of random processes and its application, J. Sound Vibration, 25, l, 111-128, 1972.
• 14. P. SPINELLI, The generation of wind histories for time domain analysis of structural response to wind action, Sezione Strutture, Dipartimento di Ingegneria Civile - Univerita' di Firenze, 4/86, 1986.
• 15. M. SHINOZUKA, Stochastic mechanics, vol. I., Department of Civil Engineering & Engineering Mechanics Columbia University, New York 1987.
• 16. C. BORRI, F. CROCCHINI, L. FACCHINI, P. SPINELLI, Numerical simulation of stationary and nonstationary stochastic processes: a comparative analysis for turbulent wind fields, Proc. of of 9th ICWE, "Retrospect and Prospect", vol. 1, New Delhi, 47-55, 1995.
• 17. A. FLAGA, E. BŁAZIK-BOROWA, J. PODGÓRSKI, Aerodynamics of slender building and bar-cable structures [in Polish], The Publisher of Lublin University of Technology, 2003.
• 18. ESDU 85020, Characteristics of atmospheric turbulence near the ground. Part II: single point data for strong winds (neutral atmosphere), 1985.
• 19. E. SAMARAS, C. LYRINTZIS, M. SHINOZUKA, Compute aided analog & digital generation of time series, Columbia University, New York 1986.
• 20. E. SIMIU, Wind spectra and dynamic along wind response, J. of the Structural Division, Proc. of ASCE, St9, 1974.