涂伟平,李春祥

(上海大学土木工程系,上海200444)

对于跨度较大、高度较高、柔性强的建筑结构,风荷载是其建筑设计、施工及运营使用阶段的重要影响因素.建筑表面的风荷载,特别是非高斯性较强的脉动风,可能会使建筑物发生较大的风致振动,从而影响建筑的正常使用[1].因此,对风荷载特别是对非高斯性较强的脉动风荷载进行研究就显得很有必要.为获得建筑结构表面的风场数据,目前国内外主要有计算流体动力学(computational f l uid dynamics,CFD)、风洞试验、现场实测等手段.虽然现场实测方法操作困难、耗时耗资太大,获取风场数据受到很大限制,但确是研究风场特性最为真实和直接的手段,也能给目前的各种试验方法和理论模型提供坚实的指导[2].因此,利用现场实测方法获取风场数据是结构抗风研究的重点,也是研究风荷载的长期方向.

近几年,随着信息科学和技术的迅猛发展,越来越多的学者致力于使用数据驱动技术进行结构风场数据的预测.支持向量机(support vector machine,SVM)因计算速度快、预测精度高、控制参数少等优点而受到广泛应用.最小二乘支持向量机(least square support vector machine,LSSVM)大大简化了传统的支持向量机的计算过程,因此具有很大的实用性.利用已知风场数据对LSSVM训练建模预测未知风场数据方面的研究已经取得一定进展,其中对LSSVM的参数进行优化是近几年的一大热点.孙斌等[3]利用粒子群算法(particle swarm optimization,PSO)优化LSSVM后对原始风电场风速进行预测,大大提高了LSSVM的预测性能.曾杰等[4]使用蚁……