(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210603748.5 (22)申请日 2022.05.30 (71)申请人 重庆交通大 学 地址 400074 重庆市南岸区学府大道6 6号 (72)发明人 辛景舟　姜言　黄磊　范永辉　 罗超　周建庭　杨先一　向俊杰　 蔡国庆　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 张乙山 (51)Int.Cl. G06F 30/20(2020.01) G06F 30/28(2020.01) G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 用于桥梁风振疲劳分析的风速分布预测方 法 (57)摘要 本发明具体涉及用于桥梁风振疲劳分析的 风速分布预测方法， 包括： 基于核密度估计建立 风速主体部分的累积分布函数和概率密度分布 函数； 基于GPD模型建立风速极值部分的累积分 布函数和概率密度分布函数； 融合得到混合累积 分布函数和混合概率密度分布 函数； 基于条件概 率模型建立风向概率密度函数， 进而与混合累积 分布函数和混合概率密度分布 函数融合， 得到考 虑风向影 响的风速分布模型； 将待测数据输入风 速分布模型中， 输出对应的预测风速风向分布， 进而基于预测风速风向分布完成桥梁结构风振 疲劳分析。 本发明能够将核密度估计和GPD模型 应用于描述风速分布， 并能够适应双峰或多峰分 布的复杂应用场景， 且能够考虑风向对风速影 响。 权利要求书3页 说明书10页 附图5页 CN 115017692 A 2022.09.06 CN 115017692 A 1.用于桥梁风振疲劳 分析的风速分布预测方法， 其特 征在于， 包括以下步骤： S1： 获取待测桥梁位置实测的风速数据和风向数据作为待测数据； S2： 基于核密度估计建立 风速主体部分的累积分布函数和概 率密度分布函数； S3： 基于GP D模型建立 风速极值部分的累积分布函数和概 率密度分布函数； S4： 分别融合风速主体部分和风速极值部分的累积分布函数和概率密度分布函数， 得 到混合累积分布函数和混合 概率密度分布函数； S5： 基于条件概率模型建立风向概率密度函数， 进而将风向概率密度函数与混合累积 分布函数和混合 概率密度分布函数融合， 得到考虑风向影响的风速分布模型； S6： 将待测数据输入风速分布模型中， 输出对应的预测风速风向分布， 进而基于预测风 速风向分布完成桥梁结构风振疲劳 分析。 2.如权利要求1所述的用于桥梁风振疲劳分析的风速分布预测方法， 其特征在于： 步骤 S2中， 通过一维核密度估计获取风速主体部分的累积分布函数。 3.如权利要求1所述的用于桥梁风振疲劳分析的风速分布预测方法， 其特征在于： 步骤 S2中， 通过如下公式表示 风速主体部分的概 率密度分布函数： 其中， 式中： gKED(u)表示风速主体部分的概率密度分布函数； u表示风速； M表示用于核密度估 计的风速样本数量； ui表示M中的第i个风速样本； f(u)表示真实概率密度函数； K( ·)表示 核函数； h ′表示带宽参数； 表示样本的标准差 。 4.如权利要求3所述的用于桥梁风振疲劳分析的风速分布预测方法， 其特征在于： 步骤 S3中， 通过如下公式表示 风速极值部分的累积分布函数和概 率密度分布函数： 式中： FGPD(u)表示风速极值部分的累积分布函数； fGPD(u)表示风速极值部分的概率密 度分布函数； P表示概率； U表示风速样本(u1,u2,...,uM,...,un)中的随机变量； c和d分别表 示GPD模型的形状参数和尺度参数； xT表示设置的阈值。 5.如权利要求4所述的用于桥梁风振疲劳分析的风速分布预测方法， 其特征在于： 首先 通过风机响应极值分析得到阈值xT1； 然后通过CME准则确定阈值xT2； 最后选取阈值xT1和阈 值xT2中的最大值作为阈值xT。 6.如权利要求5所述的用于桥梁风振疲劳分析的风速分布预测方法， 其特征在于： 具体 通过如下步骤确定阈值xT： S301： 通过如下公式确定阈值xT1； 权　利　要　求　书 1/3 页 2 CN 115017692 A 2式中： 表示风速样本的均值； S302： 通过CME准则确定阈值xT2： 如果超过阈值xT2的风速样本满足GPD分布， 则对任 意的 超过阈值的风速样本ui(ui＞xT2,i＝1,2,...,n ‑M)， 存在变量Yi＝U‑ui|U＞ui|也满足GPD分 布， 当Yi的均值 和ui‑xT2存在以下的线性关系且xT2为初始点时， 将线性关系的初始点作为 阈值xT2； 式中： E表示期望； U表示 风速样本(u1,u2,...,uM,...,un)中的随机变量； S303： 通过如下公式确定阈值xT； xT＝max(xT1,xT2)。 7.如权利要求5所述的用于桥梁风振疲劳分析的风速分布预测方法， 其特征在于： 步骤 S4中， 通过如下公式表示混合累积分布函数和混合 概率密度分布函数： 式中： PU(u)表示混合累积分布函数； fU(u)表示混合概率密度分布函数； GKDE(u)表示u≤ xT时由核密度估计的累积 分布函数， 即风速主体部分的累积分布函数； GKDE(xT)表示GKDE(u) 在u＝xT时的累积概率值； gKED(u)表示风速主体部分的概率密度分布函数； FGPD(u)表示风速 极值部分的累积分布函数； fGPD(u)表示风速极值部分的概 率密度分布函数； 其中， 式中： N表示 风速u小于等于阈值xT的风速样本数量； n表示全体风速样本数量。 8.如权利要求7所述的用于桥梁风振疲劳分析的风速分布预测方法， 其特征在于： 步骤 S5中， 在条件概率模型中， 假设风速和风向是相互独立且风速分布为固定风向下的条件分 布， 风向概 率密度函数满足以下假设： 1)假设任意给定风向的风速都符合同一种分布模型； 2)假设任意 风向的概 率为该风向的风速数占总风速数的比重 。 9.如权利要求8所述的用于桥梁风振疲劳分析的风速分布预测方法， 其特征在于： 通过 如下公式表示 风向概率密度函数： 式中： fΘ( θ )表示风向概率密度函数； nθ表示风向θ 的风速样本总数； ntol表示所有 风向的 风速样本总数； Θ表示 风向角度。 10.如权利要求8所述的用于桥梁风振疲劳分析的风速分布预测方法， 其特征在于： 通 过如下公式表示 考虑风向影响的风速分布模型： PU, Θ(u, θ )＝ ∫ ∫ fU, Θ(u, θ )dudθ； 权　利　要　求　书 2/3 页 3 CN 115017692 A 3