时间：2023-12-06 19:34:45
关键词 起沙风；风沙活动期 ；老哈河
中图分类号 P931 文献标识码 A 文章编号 1000-2537（2015）03-0001-05
风是塑造地貌形态的基本营力之一[1]，而一定强度的起沙风是引起土壤风蚀和沙尘天气最主要和最直接的动力因素[2].区域大气环流的整体形势控制着区域内各种风沙地貌形成发育的整体格局[3].因此系统研究一个地区的起沙风特征，不仅有助于了解研究区的风沙活动规律，解释沙尘天气频繁发生的原因[4]，也能够更准确掌握风沙地貌形成的动力因素，为研究区科学防沙治沙提供理论依据[5-6].
老哈河下游河岸沙丘是中国季风和非季风交错区的典型河岸沙丘带[7]（图1）.近年来该地区是科尔沁沙地风蚀强烈和沙尘危害程度最严重的区域之一.本文利用中国科学院奈曼沙漠化研究站自动气象站2006―2013年的风速、风向原始数据，统计分析了老哈河下游地区8年来的起沙风分布特征，对该区域的生态环境建设以及风沙危害的防治都具有重要的理论与实际意义.
1 研究区概况
老哈河下游位于科尔沁沙地的腹地.该地区气候属温带半干旱大陆性季风气候，年均气温6.5 ℃，极端最高温39 ℃，极端最低温-29.3 ℃，年平均降水量352 mm，且分布不均，年均降水量的70%～80%主要集中在7～9 月，年蒸发量为1 500～2 500 mm[8]；地貌类型以流动沙丘、半固定沙丘、固定沙丘和面积不等的平缓沙地及低洼地交错分布为特征；土壤类型主要为地带性的栗钙土和非地带性的沙土、草甸土、盐碱土[6].该地区属于典型的农牧交错地区，生态环境比较脆弱，易退化或发生严重沙漠化[9] （图1）.
2 研究方法
2.1 数据来源
2006～2013年的风速、风向原始数据，均来源于中国科学院奈曼沙漠化研究站自动气象站（42°56′ N， 120°42′ E，海拨358 m）.数据采集间隔时段为1 h，风速、风向的观测高度为10 m，风向数据用0°～360°方位角表示.
2.2 统计方法
根据相关研究[10-11]和野外实地观测，老哈河下游地区临界起沙风速为5 m・s-1（10 m高处）.将逐年的原始风速、风向数据以1 h为统计单位，统计计算每月大于5 m・s-1起沙风沙速的平均风速、最大风速及出现频率（因系统故障原因，导致一些月份数据不完整，起沙风出现频率用起沙风出现的时数与总统计时数的百分比表示）.
为了突出起沙风的分布特征，选择原始数据中大于5 m・s-1 风速数据，按罗盘N，NNE，NE，ENE，E，ESE，SE，SSE，S，SSW，SW，WSW，W，WNW，NW和NNW共16个方位逐月统计各方位的起沙风，并计算不同方位起沙风的出现频率.
3 结果分析
3.1 起沙风风速
对2006～2013年风速记录数据分析可知，老哈河下游地区8年年平均风速为2.19 m・s-1，记录的最大风速为25.6 m・s-1，发生在2013年8月25日.2006～2013年起沙风速（≥5 m・s-1）出现的总频率为1128%.春季平均风速为2.7 m・s-1，大于起沙风速的频率为21.44%；夏季平均风速1.8 m・s-1，大于起沙风速的频率为4.05%；秋季平均风速1.98 m・s-1，大于起沙风速的频率为8.38%；冬季平均风速2.3 m・s-1，大于起沙风速的频率为11.22%.起沙风出现的频率年际之间存在一定差异，2006～2013年各起沙风频率分别为13.90%，11.15%，11.93%，11.60%，11.87%，9.06%，10.14%和10.61%.
图2 起沙风风速及其频率月变化 （2006～2013年）
Fig.2 Change of monthly sand-driving wind speed and their frequency （2006～2013）
图2为老哈河下游地区起沙风风速及频率月变化图.一年之内，起沙风风速的月平均风速为5.81～6.75 m・s-1.其中，从1月的6.12 m・s-1开始逐渐增加，至 3月月平均起沙风速达到最大值6.75 m・s-1，然后缓慢减少，至7月月平均起沙风速达降至最小值581 m・s-1，之后波动式变化.从季节上来看，春季的平均起沙风速最大，为655 m・s-1；而夏季的平均起沙风速最小，为5.94 m・s-1 ；秋、冬两季的平均起沙风速分别为6.16 m・s-1和625 m・s-1.即平均起沙风速的季节变化呈现夏季秋季冬季翌年春季逐渐增加趋势.
月最大风速变化范围为17.40～25.60 m・s-1.最大值为25.60 m・s-1，出现在夏季的8月份；最小值为17.40 m・s-1，出现在冬季的1月份.除8和9月份外，其他月份的起沙风最大风速与月平均风速的变化趋势基本一致.
平均风速和最大风速是风速特征的基本描述，起沙风的频率越大，对沙丘的形成与演化起作用越强[12].由图2还可知，老哈河下游地区2006～2013年不同月份间起沙风占全年起沙风的频率相差较大，变化范围为1.86%～17.76%.起沙风在3月发生频率最大，占全年起沙风频率的17.76%，4月次之，为1683%，再次为5月，频率为13.33%.起沙风发生频率最少月份为8月，为1.86%，其次为7月和9月份，分别为210%和2.71%.从季节上来看，春季起沙风发生频率最高，占全年起沙风频率的47.92%，夏季最低，为901%，秋、冬两季频率分别为18.51% 和 24.55%.起沙风速的月际频率变化特征与平均风速的变化趋势基本相似.
3.2 起沙风风向
表1为老哈河下游地区各月起沙风16方位出现频率.老哈河下游地区起沙风风向以WNW，NW，W为主，分别占年起沙风频率的16.02%，12.66%和11.18%；其次WSW，SW风向所占频率分别为9.54%和907%；在其余各方向的起沙风中，除N，SSE，NNE，NNW 风向所占比率稍大（分别为6.77%，6.43%，566%和5.54%）外，其他均较少.从起沙风在各月的分配情况来看，除6月以SSE风向为主外，其余月份起沙风以WNW，NW，W风向为主，其次为WSW，SW，SSE，N风向.
从起沙风方向频率（表1）的季节分配来看，春季起沙风以 WNW，NW，SW和SSE 风向为主，分别占年起沙风频率的6.87%，6.44%，4.08%和 4.00%，其次为W，N，WSW和S风向，分别占年起沙风频率的389%，3.32%，3.31%和 3.07%，；夏季起沙风以SSE，NW和WNW风向为主，分别占年起沙风频率123%，1.12%和1.00% ；秋季起沙风以WNW，W，NW，WSW和SW风向为主，分别占年起沙风频率的346%，2.91%，2.21%，2.15%和1.74%；冬季起沙风主要以WNW，WSW和W风向为主，分别占年起沙风频率的4.68%，3.72%和3.54%，其次为NW，SW和N风向，分别占年起沙风频率的2.90%，2.78%和227%.
由3～5月份起沙风风风向玫瑰图可知（图3），3～5月份起沙风风向以WNW，NW为主，分别占该时段起沙风频率的14.35%和13.44%；其次，SW，SSE，W风向分别占该时段起沙风频率的8.51%，8.35%和8.11%；在其余各方向的起沙风中，除N，S，NNE，NNW风向所占该时段频率稍大（分别为6.93%，6.40%，6.18%和5.75%）外，其他各风向所占频率较小.
4 讨论
4.1 风沙活动期
沙粒的起沙风速除主要取决于粒径外，还与地表性质、沙子含水率和盐度及植被盖度等多种因素有关[10].老哈河下游地区在10月至翌年2月尽管风力较强劲频繁，起沙风速发生频率占全年的40.35%，但该时段早期有枯萎的植被覆盖地表，在10月底地表表土层开始冻结，至3月初冻融，即后期进入地表表土层封冻期.所以该地区在10月至翌年2月土壤风蚀的可能性显著降低.6～9月起沙风风速小、发生的频率低，加上该时期植物进入生长旺盛期，地表植被覆盖度较大，降水量多，土壤发生风蚀的可能性很小.而3～5月份是起沙风多发期；此时正值气温逐步回升使地表冻融，大气、土壤干旱区相耦合的时期[13]（该时段的蒸发量是降水量的17.2倍），植物尚未返青或处于萌动期[13]，造成地表呈干旱疏松状态；加上玉米等农田的翻耕与播种使地表基本呈状态.这些多因素的叠加作用为地表的风沙移动提供了强有力的动力条件和丰富的沙源.所以3～5月是老哈河下游地区的主要风沙活动期.在研究该地区风沙流活动规律时应主要以春季（3～5月）的风场作为主要野外观测与研究分析目标.
4.2 起沙风风向变化
对某一地区而言，近地面的风况特征在很多程度上是高空环流形势的反映[14].老哈河下游地区处中纬度西风带，是西路、西北路及偏北冷空气流经地带[11].冬季受内蒙古冷高压控制，夏季受大陆低气压控制和副热带高压的影响，再加上周边大兴安岭、燕山、长白山山脉走向的影响，使该研究区常年受西北气流的影响，并伴随有来自西南方向的气流.在风沙活动期间（3～5月），老哈河下游地区起沙风风向虽然变化范围较大、频繁，但西北风占主导地位，西南风次之.
5 结论
通过对中国科学院奈曼沙漠化研究站自动气象站2006～2013年的风速资料统计分析，老哈河下游地区近8年来的起沙风特征具有以下特点：
（1）起沙风速（≥5 m・s-1）出现的的总频率为11.28%；起沙风的月平均风速为5.81～6.75 m・s-1，最大风速变化范围为17.40～25.60 m・s-1；春季（3～5月）起沙风出现的频率为21.44%，发生频率最高，占全年起沙风频率的47.92%.该时段地表冻融、干旱疏松，加上玉米等农田的翻耕与播种使地表基本呈状态，这多种因素的叠加使3～5月成为老哈河下游地区的主要风沙活动期.
（2）起沙风风向以WNW，NW，W为主，分别占年起沙风频率的16.02%，12.66%和11.18%；其次WSW，SW风向所占频率分别为9.54%和9.07%；不同月份、季节起沙风向变化及各方向所占频率也有较大差异.在风沙活动期（3～5月）内，起沙风风向以WNW，NW为主，分别占该时段起沙风频率的14.35%和13.44%；其次，SW，SSE，W风向分别占该时段起沙风频率的8.51%，8.35%和8.11%；老哈河下游地区起沙风向虽然变化范围较大、频繁，但西北风占主导地位，西南风次之.
致谢 本文气象数据由中国科学院寒区旱区环境与工程研究所奈曼沙漠化研究站李玉霖副研究员和罗永清博士提供，在此表示衷心感谢！
参考文献：
[1] SKIDMORE E L. Soil erosion by wind[C]//El-Baz F， Hassan M H A，ed. Physics of Desertification. Dordrecht： Martinus Nijhoff Publishers， 1986：261-273.
[2] 吴 正. 风沙地貌学[M].北京：科学出版社， 1987：38-39.
[3] 马 倩，武胜利，吴 烨，等.艾比湖流域风沙强度特征及其空间差异[J].水土保持通报， 2014，34（4）：21-27.
[4] 邢文娟， 雷加强， 王海峰， 等.荒漠-绿洲过渡带风况及输沙势分析――以策勒县为例[J]. 干旱区研究， 2008，25（6）：894-898.
[5] 周成龙，杨兴华，刘厚勇，等. 塔克拉玛干沙漠腹地塔中地区的风动力环境[J].水土保持通报， 2014，34（3）：218-222.
[6] 罗生虎，武建军.稳态风场下的沙粒运动规律[J].湖南科技大学学报：自然科学版， 2014，29（1）：97-101.
[7] 杨 林，韩 广，杨 济，等. 大风天气老哈河下游迎风测谷坡的风速脉动特征[J].中国沙漠， 2014，34（6）：1469-1474.
[8] 姚淑霞，张铜会，赵传成. 科尔沁沙地奈曼旗1970―2010年降水的多时间尺度分析[J]中国沙漠， 2014，34（2）： 542-549.
[9] 段翰晨，王 涛，薛 娴， 等. 科尔沁沙地沙漠化时空演变及其景观格局[J]. 地理学报， 2012，67（7）：917-928.
[10] 吴 正. 风沙地貌与治沙工程学[M].北京：科学出版社， 2003：39-42.
[11] 赵哈林，赵学勇，张铜会，等. 科尔沁沙地沙漠化过程及其恢复机理[M]. 北京：海洋出版社， 2003：35.
[12] 张正疲 董治宝. 黑河流域中游沙漠风能环境与风沙地貌[J]. 中国沙漠， 2014，34（2）：332-341.
[13] 张 华， 李锋瑞， 李玉霖， 等. 科尔沁沙地奈曼旗近5年来风况及合成输沙势[J]. 中国沙漠， 2004，24（5）： 623-627.
关键词：现场实测；风压系数；相关性
随着大跨度桥梁结构的迅速发展，风荷载已成为桥梁设计时最重要的参考因素，获取准确的风场和风压特性参数对桥梁抗风设计至关重要。风场特性参数会随着地理环境的变化而显著变，所以风洞试验和数值计算很难模拟出桥梁结构真实的受力状况，而现场实测刚好能弥补这一点。国外学者在这方面的研究比较早， Kanda 等[1]总结了日本20世纪70年代后的高层建筑风场实测的研究成果。Geurts等[2]对试验建筑进行了风场和风压的全方位测量。王浩多次测量了润扬长江大桥的强季风和台风数据，得到了非常有用的实测结果。本文在西部课题的支持下，于 2013年11月23、24日，对洞庭湖大桥桥面进行了风速现场实测，采集了大量的有用数据，并分析获得了一些有用结果，为桥梁抗风设计提供一定参考。
一、风场特性实测
本实验采用RM Young 81000三向超声风速仪进行风速采集，风速仪安装在桥面主跨跨中，离湖面高30m，风速仪N极平行于桥轴线指向岳阳侧，风向以顺时针为正。
二、风场特性参数
三维风速，和是风速仪坐标下，和方向的实数序列，按基本时距分析，则水平风速，风向角，风攻角可表示为：
式中，为向的脉动风均方根，为平均风速，本文阵风持续时间取3s。
三、桥面风场特性分析
洞庭湖桥面的10min平均风速、风向和风攻角时程曲线，可以看出，洞庭湖大桥桥面风速主要集中在5～11m/s；风向角主要集中在210。～240。之间，风向稳定；风攻角变化范围较小，主要集中在0。～4。之间。
风攻角是指由于地形的影响， 近地风与水平面的倾斜角，它与风速无必然联系。随着风速增大，风攻角变小，这主要是风速增大，风场稳定性变强，不易受近地物体的影响。10min平均风攻角与风向角的关系，可以看出，随着风向角增大，风攻角也增大，主要原因是桥面对风场的干扰，不同风向的风场的流线不同，使得风攻角变化较大。
图1是10min平均紊流度和阵风因子时程曲线，从统计结果来看，洞庭湖大桥桥面风场的纵向紊流度和阵风因子均较小，接近《公路桥梁抗风设计规范》中I类场地推荐值0.13和1.38，洞庭湖大桥属于I类地貌。
为横、纵紊流度的相关性，直线拟合结果为，略去尾数0.0042，，比规范的推荐值为要略大；同样，横、纵阵风因子也存在一定的相关性，横、纵阵风因子关系拟合结果为。
四、结论
1、实测得到了洞庭湖大桥桥面风场数据，分析了桥面的风场的紊流度和阵风因子，结果表明，洞庭湖桥面的横向紊流度，略大于规范推荐的，紊流度和阵风因子都较小，属于规范里的I类地貌。
2、随着风速增大，风场稳定性增强，风攻角变小；紊流度越大，阵风因子越大，其关系可以近似用正相关函数拟合。
参考文献：
[1]Hui Li， Shujin Laima，Jinping Ou，etal. Investigation of vortex-induced vibration of a suspension bridge with two separated steel box girders based on field measurements[J]. Engineering Structures 33 （2011），1894C1907.
关键词：山区峡谷；谐波合成；现场实测；脉动风速；大涡模拟
中图分类号：TU311.3 文献标识码：A
随着国民经济的高速发展，越来越多的大跨度桥梁建成并投入使用。在复杂的峡谷地区，由于地形起伏大、地貌多样，风环境极为复杂，平原、海洋地区通常使用的各向同性地貌条件对山区峡谷地区风场的描述不再适用。桥址处风场受周边山体影响，有显著的非定常效应，风场脉动剧烈，紊流风引起的风致振动问题相比于跨江、跨海桥梁更显突出，而目前人们对这些地区的脉动风场分布研究还相对较少，现有研究数据还不足以形成规范性的条文。因此，加强对山区峡谷桥址处的风特性认识已成为了广大研究者关注的焦点问题之一。目前，对山区峡谷风场的研究手段主要有现场实测、风洞实验和数值模拟。现场实测是对峡谷风场研究最为直接和有效的方法，许多学者对其展开了工作，本文以澧水大桥所在峡谷为研究背景，用现场实测的方法对桥址所在峡谷进行了风速监测，然后运用谐波合成法将现场实测风场进行等效处理后赋给数值模拟的人口边界。现场实测数据虽然可为数值模拟和风洞实验提供宝贵的参考，但是其不足的是实验条件难以控制、投资较大、管理维护困难、监测周期长。与现场实测相类似，风洞实验也是山区峡谷风场研究的重要手段，风洞实验虽然具有多工况、可重复等优点，但由于物理风洞本身尺寸的限制，对于大区域山体地形，即使将风洞试验模型比例缩小到最小尺度，在模型边界上仍然会出现人为的峭壁，同时，也无法保证来流入口边界条件（如风剖面、湍流度）与实际情况一致，从而导致结果失真，特别是在大比例模型试验中变换风向角时的计算准确性尤其值得商榷。
相比现场监测和风洞实验，计算流体动力学（CFD）方法发展很快，已被越来越多的研究者所应用。由于数值模拟不受时间和空间限制，具有可重复、消耗人力物力资源少等优点，许多学者对其展开了研究。对于复杂山区峡谷风场，CFD虽然具备模拟大区域地形的优势，但依然存在一系列问题，如人口边界的合理给定问题，针对该问题的研究，Maurizi等用1/10的斜坡作为气流过渡段来处理入口边界峭壁问题，但其斜坡形式较为简单，适用性有待验证；胡朋等采用曲线过渡段的办法对峡谷人口进行处理，不足的是这种办法会引起人为的来流风攻角。相比平原或洋面风场，山区地形风场的数值模拟涉及分离流、高雷诺数湍流和强三维流动等复杂的空气流动，其核心是湍流问题。上述学者用雷诺平均湍流模型对其进行研究，其时均化过程中丢失了大量的脉动信息。目前普遍认为比较有潜力的大涡模拟（LES）在计算风工程中体现出优越性，但LES的合理脉动人口给定还有待进一步研究，Uchida和Ohya采用大涡模拟的方法对9.5 km×5 km区域范围内空气流动进行数值模拟，使用粗糙元制造脉动风，但其粗糙元的摆放产生的脉动风场可调性差，与实际的边界条件仍存在一些出入，而正确的人口脉动信息给定是计算结果正确性的重要保证，因此，山区峡谷风场特性数值模拟时人口边界条件中脉动的合理施加是当前数值模拟方法迫切需要解决的关键问题。
本文以澧水大桥所在峡谷为研究背景，建立了山区峡谷风场实时监测系统，对桥址上游及桥址附近风场进行了真实有效的记录，基于谐波合成法将监测的实际风场进行等效，通过对商业软件Fluent进行二次开发，较好地处理了山区峡谷风场数值模拟过程中脉动人口给定问题。同时用本文所提方法和无脉动人口计算结果进行对比后发现，本文所用方法更能体现山区峡谷风场的真实流态。最后在脉动人口边界条件基础上对不同风向角作用下的山区峡谷桥址处风场进行了数值模拟。
1现场实测
1.1工程背景
本文以张花高速澧水大桥所在峡谷为研究背景。桥梁主跨为856 m，属典型的山区峡谷大跨径桥梁，桥位所处峡谷谷顶宽420 m，谷顶与谷底高差280 m，桥位布置如图1所示。
1.2风速监测系统
澧水大桥风速监测系统由观测站、桥塔站和桥跨站组成。观测站根据盛行风方向设立在桥址西南侧，位于本文数值模拟人口附近，监测站风速仪布置在平坦地区，可认为其风场特性与数值模拟人口接近，其特性可为数值模拟的入口边界条件取值提供参考，风速监测仪布置高度离地面10 m，如图2所示。
桥跨站由3个Young 81000三维超声风速仪组成，布置位置为盛行风方向同侧。桥塔站也沿高度布置了3个Young 81000三S超声风速仪，具置如图1所示（其中星形标识为风速仪安装位置），风速仪采样频率为4 Hz。为了实现风速时程的实时观测，课题组利用GPRS无线传输系统，将现场风速实时数据远程传输至长沙理工大学风速采集中心。
1.3峡谷处风场实测数据分析
为得到峡谷风场特性，通过对2014年8月的风速时程进行分析，得到了观测站和桥跨站的风玫瑰图，如图3所示。
从图中可以发现8月主导风向为西南风，风向与观测站风速仪布置方位一致。同时，对桥塔不同高度风速时程进行监测，得到了强风作用下风剖面a值出现次数分布情况，如图4所示。从图中可以发现a值呈正态分布，均值为0.3011，综合考虑澧水大桥桥位地形条件，本文α值取0.3。
为使数值模拟来流风向角与现场实测保持一致，本文风速时程取自2014年8月29日观测站实测结果，通过对该天的风速取日平均，得到了该天的日平均风速为4.43 m/s，日平均风向角约为180°，风速和风向角时程如图5所示，湍流强度用公式Ii=σi/U（i=x，y，z）进行求解，通过分析风速时程可得模拟当天的日平均湍流强度为20.6%。
对监测站风速进行风谱分析，时间步长采用0.25 s，用Kaimal谱形式进行拟合，结果如图6所示。
其功率谱拟合公式可表示为：
（1）式中：Su（n）为顺风向功率谱密度函数；n为风的脉动频率，f=nZ/U（z）；u*为气流摩阻系数。
2数值模型与计算参数
2.1模拟区域与网格划分
几何模型建立过程中，首先通过空间地理数据云获得大范围的地形高程数据，然后用GlobalMapper做进一步处理，从而得到目标区域的地形模型。山体模型采用实际尺寸，计算区域大小取10 km×9 km×4 km，如图7所示。
为保证计算精度，数值模型采用全六面体网格，网格在近地面进行加密，最底层网格高度为1 m，高度方向在近地面处网格延伸率为1.05，远离地面网格延伸率为1.15，总网格数为6 752 495，计算网格通过了无关性测试，如图8所示。
2.2边界条件与计算参数设置
本文数值模型入口处最低高程为164 m，桥跨站风速仪安装高度为505 m，桥塔站风速仪安装高度为620 m，为使峡谷风场人口速度尽量接近现场实测值，本文人口边界条件包含了平均风和脉动风两部分，平均风速采用分段函数形式给定，其中，近地面处采用指数率形式。为使风速在峡谷内的变化趋势接近实际情况，本文指数率变化段高度取836m。平均风剖面的具体表达形式为：当Z≤164 m时，速度为0 m/s；当164 m
V=0 m/s，Z≤164 m；
（2）
V=7.5 m/s，Z≥1000 m。
本文脉动风速是基于谐波合成法合成的，合成过程中功率谱根据观测站风速时程等效而来，因此，本文所用人口边界能够满足观测站的风场特性。通过编制UDF程序对商业软件Fluent进行二次开发，将合成的随机风速时程赋给数值模型人口所对应的网格坐标，其中顺风向功率谱采用公式（1）所述形式，竖向功率谱采用Lumley and Panofsky谱，可表示为：
（3）
（4）式中：Sn（n）为脉动风竖向功率谱密度函数；Z为地面高度；K为无量纲常数，本文取K=0.4；z0为地表粗糙高度，本文取z0=1 m；zd=H―z0/k，H为周围建筑物平均高度。
本文在数值模拟过程中，除人口边界条件采用用户自定义外，地表采用无滑移边界条件，顶面采用自由滑移边界条件，侧面采用对称边界，出口采用毫Τ隹诒呓纭G蠼夥矫妫本文的N-S方程采用PISO方法进行求解，对流项和扩散项均采用二阶中心差分格式，用超松弛方法（SOR）求解压力Poisson方程，压力和动量松弛因子分别取0.3和0.7，在满足柯朗数（CFL）的前提下，时间步长取0.1 s。
2.3监测点布置
数值模拟过程中，在主梁水平方向布置了9个风速监测点，竖向方向在1/2跨，3/5跨，7/10跨处分别布置了20个监测点，监测点具置如图9所示。
3结果验证
数值模拟考虑了2种工况，工况1为利用本文所提方法作为人口边界，工况2为不考虑脉动信息入口边界，2种工况除人口边界条件不同外，其余边界条件与计算参数均保持一致。整个过程采用超线程48核工作站进行计算，2种工况的速度云图如图10所示。
从图中可发现，考虑脉动人口的风场计算结果相比无脉动人口情况体现出了明显的脉动效应。对整体风速而言，两者在高度方向均能体现梯度效应，但对于局部风速，考虑脉动作用下的风场由于有漩涡的影响，最大值要大于不考虑脉动情况，出现的最大风速为10.1 m/s，而不考虑脉动人口的最大风速为7.7 m/s。
3.1速度时程
对数值模型中桥跨站风速仪和桥塔站风速仪安装的相同位置进行风速监测，用模拟结果与实测结果的平均值进行对比，其结果存在一些偏差，主要是由于人口边界条件无法跟实际保持完全一致和复杂地形中树木等障碍物改变了风场的局部特性。
3.2湍流度
图11给出了工况1作用下桥址跨中的风速和风向角时程，根据上文中湍流强度剖面的定义计算出来，图12给出了工况1作用下桥塔站和桥跨站所在位置的湍流度剖面。从图中可发现近地面脉动情况要远大于远离地面处，当高度大于1 000 m后，湍流度值基本趋于稳定，主要原因是当高度大于1 000m时风场没有受到山体地形影响。为了更好地说明本文所提方法的优越性，将2种工况作用下桥跨站和桥塔站的湍流度与实测值进行对比，见表1。
从表中可发现考虑脉动人口作用下的湍流度要明显高于不考虑脉动情况，说明不考虑脉动风作用下桥址处风速波动较小，没有体现出良好的三维紊流特性。相比现场实测数据，考虑脉动信息作用下的模拟结果其吻合程度要明显优于不考虑脉动情况。但即使考虑了脉动人口边界，桥塔站和桥跨站湍流度相比现场实测结果还是偏小，主要原因有两点，一是现场实测风速属于阵风，离散大，而数值模拟的风场相对实测值更为连续；二是大涡模拟过程中由于亚格子模型和网格尺寸的影响，湍流度会出现耗散现象，因此导致湍流度值偏小。
3.3功率谱及相关性
对不同人口来流作用下桥跨站和桥塔站的风谱模拟值和实测值进行对比，结果如图13至图16所示。其中图13和图14分别为桥跨站顺风向和竖向的功率谱对比图，图15和图16分别为桥塔站顺风向和竖向的功率谱对比图。从图中可明显观察到考虑脉动人口边界条件模拟的功率谱能量值要明显大于不考虑脉动情况，且与实测谱吻合更好，特别是在大跨度桥梁抗风中所关注的频率段（0.1～1 Hz），考虑脉动人口的数值模拟结果与现场实测值基本一致，体现出了本文所提方法的正确性，也证明了本文所用方法能较好地适用于山区大跨度桥梁。在频率大于1 Hz后，数值模拟的频率值相对实测结果出现下降，主要原因是数值模拟过程中会出现频率衰减现象，加密网格和优化大涡模拟亚格子模型会改善此问题。与此同时，本文对桥跨站与桥塔站2点的风速相关性进行了分析，由于桥塔站和桥跨站2点相距600 m，其相关性非常微弱，几乎可以等效为相互独立情况。
4脉动入口作用下峡谷风场分析
将2种不同人口边界条件模拟结果与现场实测结果进行对比发现，不论是在湍流度方面还是在风谱方面，考虑脉动人口边界情况相比不考虑脉动情况其模拟结果具有较大的优势。为得到不同风向角作用下峡谷桥址处的详细风场特性，本文在考虑脉动人口边界条件的前提下，以桥轴线方向为基准，用7个不同风向角对桥址风场进行了分析，每个风向角相隔20°，如图17所示，其中x，y代表地形坐标系，x'，y'代表桥轴坐标系。
4.1不同风向角作用下计算结果
图18给出了不同工况作用下峡谷桥址风场的速度云图，从图中可发现，不同风向角作用下桥址处风速具有明显的差异，在局部区域风速出现负值；在同一风向角作用下随主梁位置不同风速也有所不同，因此说明了复杂的山体地形对桥址处风场带来了很大的扰动。
图19给出了工况1和工况5作用下主梁顺桥向、横桥向和竖向方向的风速分布情况。这2种工况所对应的风攻角与风向角分布情况如图20所示，从图中可发现，主梁跨中与端部风速在3个方向上均有所不同。同时，风向角和风攻角也具有明显的差异，工况1作用下主梁处的风攻角最大值为10.2°，最小值为-9.6°，波动范围较大，而风攻角又是桥梁风致振动响应中非常重要的参数之一，需引起重视。
4.2不同工况作用下风速放大系数与风剖面分析
图9中主梁3～7号风速监测点处于主梁结构振动、气动力较为显著的部位，对这5点的速度时程进行监测，然后取平均。风速放大效应系数为主梁所在位置的风速与主梁同一高度入口处风速的比值。本文对峡谷风速放大系数和峡谷横桥方向风速放大系数进行了分析，其中，横桥方向风速放大系数为风速通过三角分解后换算到主梁横向上的放大系数，各工况作用下风速放大系数与横桥方向风速放大系数见表2。从表中可发现，风速放大系数均小于1，因此表明桥址处没有出现峡谷加速效应，工况1和工况2作用下峡谷风速放大系数较大，主要原因是峡谷走向与来流风向一致，当峡谷走向与来流风向角偏差较大时，风速放大系数明显减小，因此表明峡谷风速放大效应主要受峡谷走向与来流风向影响。对于横向风速放大系数，工况4和工况5相对较大，是由于这2个工况下风向角与主梁轴线方向垂直，来流风未被三角分解而直接作用在主梁上，在风速相同时，此类风向角来流风作用在主梁上的风致效应更为明显，需引起重视。
对大跨度桥梁抗风而言，最为敏感的风速为作用在桥横向方向的风速。图21给出了不同风向角作用下桥址3/5跨位置经三角分解后作用在桥横向方向风速剖面图。
从图中可发现，在低于1 200 m时，风速沿高度变化无明显规律，主要原因是在1 200 m以下时风场受峡谷和山体等障碍物影响，风场紊乱，变化复杂。在高于1200 m时，风速受地形因素影响较小，基本趋于稳定。通过分析发现在工况5作用下，主梁所受横向风速最大，工况1作用下最小，主要原因是风向与主梁轴线之间夹角所致，从所用工况结果可发现风向与主梁夹角越小，横桥向风速越小。
5结论
本文通过对澧水大桥所在峡谷风场进行现场实测与数值模拟，得到了以下成果和结论：
1）对澧水大桥桥址上游观测站进行风场现场实测，得到了观测站的风场特性，给山区峡谷地形风场数值模拟人口边界条件的选择提供了重要依据。
2）利用谐波合成法对桥址上游监测点风特性进行等效处理，基于对商业软件Fluent进行二次开发，提出了一种能满足当地实际风场特性的大涡模拟脉动人口边界给定方法。
Abstract： Taking the steam turbine-driven axial induced draft fan as an example， this paper discusses the installation method， and provides reference for the similar installation.
关键词： 汽轮机；引风机；减速机；找正
Key words： turbine；induced draft fan；reducer；alignment
中图分类号：TK26 文献标识码：A 文章编号：1006-4311（2014）29-0056-02
0 引言
火力发电厂的引风机通常使用电机作为驱动电机，但随着机组容量的增大，引风机运行的厂用电消耗也在增加，使电厂的发电成本加大。为了降低厂用电消耗及用电成本，在机组建设中将汽轮机驱动形式引入到引风机设备中，将传统的电动方式改为新型的汽动方式：即使用蒸汽实现小轮汽机的高速旋转，再经过减速机带动引风机的旋转进行工作，由于引风机的介质是烟气，小汽轮机的工作介质是蒸汽，两种设备在正常运行时都会向减速机方向膨胀，如果按照传统施工方法进行设备安装，设备找正的累积误差加大，影响风机的正常运行，所以研究适合于汽轮机驱动的轴流引风机找正的方法是非常重要的。
1 技术原理
汽轮机驱动的轴流引风机是以蒸汽驱动小汽轮机进行高速旋转，小汽轮机再通过减速机带动风机进行旋转工作。新的驱动形式改变了以往风机与电机连接的直线轴系形式，形成了汽轮机驱动形式的高转速端和低转速端的平行轴系（见图1），其安装找正技术原理是先以小汽机为基准找正减速机，然后再以减速机为基准找正风机：高速端找正时以小汽机为基准，通过调整减速机进行设备安装找正，小汽机和减速机的联轴器间距比设计增大2～3mm，联轴器的圆周和端面偏差均控制在0.02mm以内；低速端以减速机为基准通过调整风机转子找正风机侧，轴向预留4～5mm的膨胀量，垂直轴向上减速机侧联轴器上张口0.18～0.22m、风机侧联轴器下张口0.18～0.22mm；即形成汽轮机驱动的轴流风机平行轴系设备逆向安装找正技术。
2 施工程序及工艺流程
施工准备设备清点检查基础检查中心线校核垫铁配置、地脚螺栓安装小汽机就位找正减速机就位调整小汽机与减速机联轴器找正小汽机盘车装置安装小机油系统、排气管道及其他附件安装风机转子及机壳安装大小集流器、进气调节门下部组件、进气箱下部组件吊装预存传动轴安装风机侧联轴器找正转子及机壳地脚孔灌浆大小集流器、进气调节门下部组件、进气箱下部组件栓接安装传动轴护套管安装扩压器下部安装芯筒安装大小集流器上部、进气调节门上部、进气箱上部安装上部安装扩压器上部安装基础二次灌浆进出口膨胀节安装冷却风机、风管及油站、油管安装。
3 汽轮机驱动的轴流引风机平行轴系逆向安装找正技术
3.1 进行基础的检查及垫铁配置 对基础中心线进行重点控制，校核基础纵横中心线时，减速机横向中心线垂直于小汽机至减速机输入轴中心线和风机至减速机输出轴中心线；小汽机至减速机输入轴中心线与风机至减速机输出轴中心线相互平行。减速机横向中心线与小汽机、风机转子横向中心线距离符合设计尺寸；地脚孔位置校核：减速机地脚孔至减速机纵横中心线的距离，小汽机地脚孔至小汽机纵横中心线的距离，风机地脚孔至风机纵横中心线的距离要符合设计要求；基础标高测量，用水准仪分别检测小汽机、减速机、风机的基础标高；根据标高测得的数据进行基础垫铁的配置，每个位置的垫铁组垫铁不超过3块。
3.2 高速端设备安装找正
3.2.1 先将小汽机吊装就位，调整好纵横中心、通过调整垫铁调整好小汽机的标高和水平，横向水平≤0.2mm/m，纵向水平与前轴径扬度方向一致；标高偏差±3mm，并通过紧固T型地脚螺栓固定好小汽机本体。
3.2.2 高速端（汽机侧）设备找正：将减速机吊装就位，调整减速机的纵向偏差小于0.1mm/m、横向水平偏差小于0.2mm/m。以小汽机输出轴中心为基准通过调整减速机进行平行轴系的高速端联轴器找正，找正偏差不大于0.02mm，小汽机的联轴器与减速机输入轴的联轴器端面距离比设计间距大2～3mm，以此消除小汽机轴向热膨胀量对减速机设备的影响。然后依次进行油系统、盘车装置及相关附件的安装。
3.3 低速端（风机侧）设备安装
3.3.1 以减速机横向中心为基准定位风机转子机壳的位置，即风机转子机壳横向中心向扩压器方向偏移3～4mm，就是通过预拉伸留出风机轴向膨胀量；风机转子机壳纵向中心与风机基础上的纵向中心对中；以减速机输出轴中心为基准，调整风机转子，机壳中心的标高比减速机输出轴中心低4～5mm，以方便联轴器找正调整。调整风机转子垂直度偏差不大于0.10mm。
3.3.2 将空心轴与减速机、叶轮进行联接，以减速机输出轴为基准通过调整风机转子机壳来实现平行轴系低速端的轴系找正：风机侧联轴器和减速速机侧联轴器两的水平轴向找偏差小于0.05mm，垂直轴向上减速机侧联轴器上张口0.18～0.22mm、风机侧联轴器下张口0.18～0.22mm（图2）。进气箱下部、调节门下部、导叶下部和集流器下部在空心轴吊装前进行预存，风机和减速机联轴器找正后进行风机出口侧的扩压器及芯筒、进口侧的进气箱、调节门、导叶、集流器和空心轴护套等设备的连接安装工作。
4 结论
常规电机驱动的轴流引风机安装是以风机转子为基准，通过调整电机进行轴系找正，即正向找正，而此方法如果在汽轮机驱动的轴流引风机使用，需要先装风机、再安装减速机，最后安装小汽机及其他附属设备，由于小汽机设备沉重且安装精度要求高，势必会出现调整找正困难和累积误差大的现象，造成返工会使施工时间拉长，影响工程的整体进度。汽轮机驱动的轴流引风机施工采用本成果的平行轴系逆向安装方法：先以小汽机为基准找正减速机，再以减速机为基准找正风机，汽轮机驱动风机设备的安装找正与常规的风机安装找正方式比较，属于一种逆向施工找正方式；平行轴系逆向安装方法能够避免设备沉重调整困难的问题，确保设备安装找正的精度，避免返工现象，在保证设备安装质量的基础上，能够提高施工速度，缩短了施工周期。
随着大容量机组的建设，在火电机组中使用汽轮机驱动的轴流引风机是一种必然趋势，具有较好的社会效益和经济价值，所以本技术随着汽轮机驱动的轴流引风机设备安装数量的增加，应用前景广泛。
参考文献：
[1]吴兴伟.火电厂大机组锅炉引风机选型的探讨[J].电力建设，2000（01）.
[2]范永春，吴阿峰.引风机驱动方式选择的经济性评价方法[J].电力建设，2010（01）.
关键词：吸油烟机；风幕；气流组织
引言
吸油烟机是重要的家用电器之一，对维持厨房内的空气质量起着至关重要的作用，目前国内的吸油烟机多采取单独的抽吸式排烟。为了更好的防止油烟的发散，对传统的吸油烟机进行优化改造，本文提出在风罩前端加一个送风口，形成一道风幕，利用实验和仿真手段对其进行评价和优化。
实验室尺寸为：280×204×280cm，利用两个半径为35cm，高为7cm的圆筒对锅灶进行实际模拟，利用乙二醇发烟器模拟油烟。风速的测量采用KANOMAX公司生产的40个点的Model 1550多通道风速仪，另外还采用发烟器模拟油烟的发烟，并利用发烟器的发烟直接观察某些重要部位的气流情况。
首先根据实际模型建立仿真模型，并通过对比实验和仿真的结果，证明仿真模型的可行性；然后在仿真模型上通过某些参数的设定，进行优化，并根据优化方案改造原型机。但是在原型机改造之后，风幕内偏，效果不好，风速偏小，风幕的气流直接被吸走，出现明显的短路现象，不能达到预期的效果。
本文重点根据以上的仿真试验的出现的问题，研究分析风幕向内偏原因，通过调整风速和出风角度，最终得到理想的风幕效果。
1 风幕风速的优化
在优化过程中对风幕的风速分别取值：0、1、1.5、2、2.5 、3.5、5 (m/s) 等7组风速进行仿真。仿真采用的是稳态仿真，是指在确定边界条件和初始条件（直吹，风幕风口4.5mm）后，小室内最终的流场状态。
1.1控制点浓度分析
控制点取在（0.69，1.45，0），这个位置大约相当于人在操作时脸部的位置。
表1 不同风速控制点浓度
速度(m/s) 0 1 1.5 2 2.5 3.5 5
浓度(mg/m3) 0.372 0.370 0.371 0.370 0.370 0.375 0.375
从表1中可以看出，风速为1m/s和2~2.5m/s时出现了两次极小值点。在风幕速度为零时，浓度要大于两个极小值点，说明在操作者脸部的位置装风幕时的工况要优于无风幕时的情况，但是存在一个相对优化的射流速度。
1.2浓度的多点分析
对灶台前沿的竖直面和灶台竖直中心面交线上取5个点进行比较。在高度较低的（1.1m以下）几个点，随着风幕速度的升高，检测浓度升高。当高度较高时，随着风幕速度的提高，检测浓度减小,在约2.5m/s时，检测浓度下降到最小值。从仿真图片中也是相同的结果。
在稳态情况下，某些风速值时操作者脸部位置（控制点）附近的浓度会降低，而室内其它点的浓度会上升，所以加装具有适当风速的风幕是合理的，最终优化的风速为2.5m/s。
1.3仿真试验结果用于样机
将优化的风速2.5m/s用在上述风道中，在主风机不开的情况下，风幕气流从出风口流出后，在风口的风速分布可以看出，在圆弧侧的风速偏大，这会加强气流对圆弧的贴附绕流作用，实测最终形成了向主风机侧倾斜的气流，未能达到预期的竖直向下吹的要求。所以，需要再次对风幕吹风角度进行验证。
2风幕吹风角度优化
在原型机风速的基础上，对风幕风口的出流方向进行优化。风幕的出流速度为2.5m/s，与水平面的夹角风别设为向内20度、45度、60度、90度、向外45度，得到的小室内流场和浓度场的分布。在2.5m/s风速的情况下，随着风速方向的向外偏转，各点的检测浓度逐渐减小，在向外偏45度时检测浓度达到最小值。2.5m/s向外偏45度情况下的检测浓度和2.5m/s直吹情况下的检测浓度接近。
3结论
1、从理论分析，仅考虑控制点和房间中心点检测浓度，风幕最佳工况为风速2.5m/s斜向外吹45度。
2、作为一种日常用品，吸油烟机的实际设计制作过程，还必须考虑很多其它的因素，其中风幕对人脸部的吹风感和风口处局部构件的美观效果两个因素对风幕的最终效果影响较大。综合考虑控制点的浓度、操作者脸部的吹风感和美观效果，风幕的最佳工况为风速2.5m/s，斜向内吹45度。
参考文献：
[1] 史漫兴,王汉青,王志勇,陈裕.一种风幕型抽油烟机的实验研究[J].湖南工业大学学报, 2008,(03) .
[2] 王刚,王汉青,寇广孝,王志勇,朱辉.上送风幕式抽油烟机的数值模拟研究[J].湖南工业大学学报, 2009,(01)
[关键词]雷达 蓝金模式 近海台风 环境风
[中图分类号] P429 [文献码] B [文章编号] 1000-405X（2013）-10-218-1
0前言
近年来，台风路径的预报水平虽有较大提高，但大多应用数值预报和卫星资料的分析方法，预报时间较长，对近海台风异常路径的短时预报仍缺乏有效手段，应用多普勒雷达速度资料，从中提取影响台风路径的环境风场信息，并用于判断台风的短时移动路径，对近海台风的短时路径预报有很好的指导意义。
1雷达多普勒速度场环境风提取
大量观测资料和研究结果表明，台风风场实际上由围绕其中心旋转的气旋性环流风场、影响台风移动的天气尺度环境风以及朝（背）向台风中心的辐合（散）风这三种不同类型的风组成的。以台风而言，由于其台风为涡旋分布，且一般切向风远大于径向风，因此在台风的多普勒速度场中将呈现特殊分布。可以给定类似蓝金模式（Rankine Vortex）的速度分布。
研究结果发现，径向风（内外流）与环境风对于零速度线弯曲情形及风场的对称性有很大的影响。径向风导致的零速度线的弯曲程度小，范围小。而环境风所导致的零速度线弯曲程度将因环境风的大小、方向有显著的变化。根据实际台风的多普勒速度特征，和上述的模拟特征进行对比，可以大致估计环境风的风向风速，从而估计台风的移向移速，并对其路径进行短时预报。
2 0908“莫拉克”台风路径特点
2.1受台湾岛中央山脉的阻挡，台风穿过台湾岛时，高层与低层产生分离。高层中心直接越过中央山脉，进入南投境内，而低层中心由于山脉的阻挡及气流的引导作用，沿山脉北上，在台北县境内逐渐消散，高层越过山脉后在台中附近形成新的低值中心，并缓慢移动北移入海。
2.2莫拉克”在移动路径上基本为西北方向，但是存在从台湾陆地进入海峡以后右折，在北上后又转为西北左折的现象。（图1）
3“莫拉克”基于雷达多普勒速度特征的路径分析预报
“莫拉克”台风前，整体的移动路径相对稳定，登陆之前1小时从台湾五分山雷达2009年8月7日23：01的0.5o仰角的多普勒速度场上可以看出，雷达站北侧的速度零线呈现向着负速度大值区方向弯曲的状态。利用蓝金模型的涡旋分布特征，当模拟的环境风风向140o，风速为8m/s时，台风中心的位置偏向负速度方向，负速度极值明显大于正速度极值，测站北侧零速度线随距离增加而弯向负速度区，与实际观测结果相比较一致。可见，台风将在偏东风气流的引导下向偏西方向移动，实况的结果为2个小时后台风路径从原来的向西转向西北。
岛后，台风中心快速分裂，其上层结构越过台湾岛的中央山脉，下层沿山脉北上。在越过山脉后，在台中附近形成新的低压中心，低压中心滞留，然后再转向往北移动，但其整体的移动方向还是西北方向。
“莫拉克”台风由桃园方向出岛前3小时（08日14时由台湾桃园县出海进入海峡）的五分山雷达0.5o仰角的多普勒速度场（11：03）可以分析看出，雷达站北面的速度零线已经明显向右偏到90o的位置，近而模拟环境风为风向180o，风速5m/s。考虑受环境风的影响及其风速较小的特点，预计台风出台湾岛后的移动方向将会转向偏北，而实况的信息为台风出岛后5个小时后（16：00），台风路径转为向正北，与预报的结果一致。
“莫拉克”进入台湾海峡后并往北移动过程中，前期路径稳定，一直往北移动。分析08月8日20：17五分山雷达1.5o仰角的速度图，发现雷达站北部的速度零线逆时针旋转至50o方向，这个特征表明环境风的方向也在顺时针方向旋转。根据特征参数模拟环境风风向145o，风速6m/s与实况较为一致，其表征在未来的2-3小时以后台风将出现向左的偏折。实况“莫拉克”的移动方向在23：00开始想左偏转并向西北方向移动，与预报吻合。
在“莫拉克”在登陆福建前，路径上有一个向左折的过程，从08月09日13：01长乐雷达的1.5o仰角的多普勒速度场可以看出（图略），雷达站北面的零速度线继续逆时针旋转，表明环境风的方向也在逐渐的顺时针旋转。模拟可得环境风的风向为110o，风速11m/s。台风路径则在2小时后（15：00）出现左折，分析此次出现路径改变的时间比之前几次分析的时间要短的原因在于环境风风速较大，对台风路径的影响要较前阶段来的大。
4总结
通过前期研究与0908“莫拉克”的路径分析表明：利用蓝金模式模拟影响台风移动方向的环境风，应用多普勒雷达速度图像与不同环境风向模拟图像进行比较的方法，能够实时监测环境风向及其变化；而环境风能用来比较准确地监测台风的移动路径，这是大尺度气象资料所难以做到的；而且环境气流往往变化在前，台风移动路径的改变在后，其影响的效果有几个小时的时滞，时滞的时间长短与环境风的风速有关，环境风的风速越大，影响的时滞就越小，反之，环境风的风速越小，影响的时滞就越大。
在近海台风的雷达观测中，此种方法的应用将对台风路径的短时临近预报具有重要的意义。
参考文献
[1] 魏应植，汤达章，许健民，吴陈锋.2007.《多普勒雷达探测"艾利"台风风场不对称结构》应用气象学报.
关键词大风观测;记录处理;编报;地面观测
中图分类号p412.16文献标识码b文章编号 1007-5739(2010)01-0280-01
空气运动产生的气流,称为风。它是由许多在时空上随机变化的小尺度脉动叠加在大尺度规则气流上的一种三维矢量。地面气象观测中测量的风是二维矢量(水平运动),用风向和风速表示。极大风速(阵风)是指某个时段内出现的最大瞬时风速值。瞬时风速是指3s的平均风速。瞬时风速达到或超过17.0m/s(目测估计风达到或超过8级)的风称为大风[1]。大风是较为常见的灾害性天气,出现大风时,在北方容易造成沙尘天气,长时间的大风还会使土壤风蚀、沙化,对作物和树木产生机械损害,造成倒伏、折断、落粒、落果及传播植物病虫害等;严重地破坏各种设施,输送污染物等灾害,给人们的日常生活带来严重影响。因此,正确记录大风天气现象及时编发重要报,对气象预报、气象服务及灾害评估等方面有着十分重要的意义[2]。
1测风仪器
测量风的仪器主要有el型电接风向风速计、en型系列测风数据处理仪、海岛自动测风站、轻便风向风速表、单翼风向传感器和风杯风速传感器等。主要分析人工站en型系列测风数据处理仪和自动站的轻便风向风速表、单翼风向传感器和风杯风速传感器获得的大风资料。wWW.133229.COM
2大风的观测及记录
按照大风采集数据文件规定,终止时间在风速达到17.0 m/s后,又小于17.0m/s并持续15min报终止时间,大风结束时间应为“终止时间”减去15min[3,4]。人工站en型系列测风数据处理仪大风开始时间为代号8888+当时的时间,大风结束时间为4444+当时的时间-15min。caws600型自动站的大风查询操作方法为:先打开自动气象站监控软件,点击数据查询,再点击大风资料查询窗口。例如,屏幕显示大风开始时间为2009年12月4日14时1分,大风结束时间为14时(17-15)分。应记录大风持续时间为14时1分开始至14时2分结束。
3大风的编报
一是人工编报。出现大风时,将第1次达到大风时的风向、风速及出现时间,输入到地面测报软件中的“观测编报(e)”,下拉菜单点击“重要天气报”,将时间改为大风出现的时间,并将风速、风向分别输入到相应栏内,其中风速有1位小数编报,校对无误后就可以发报。二是自动站编报。当自动站达到大风时,在1min之内且数据未刷新时点出重要报窗口,会显示当时的大风数据,即风向、风速及出现时间,但是如果超过1min后或数据刷新后才点击出重要报窗口时,该窗口的数据和大风出现时间就不是当时的大风数据了,要人工将时间改为大风出现时的时间,风速、风向改为大风出现时的相应数据,若数据未显示出来的要人工输入。三是续报。大风报发出后,若又出现≥24.0m/s的大风时要发续报,w0此时为0。若使用测报软件编报的,程序会自动判断;若人工编报的则需要编报人员自己判断。大风现象是1个过程只发1次大风天气报和续报(不管持续时间有多长),没有出现就不发,出现就得发。四是大风编报特殊规定。在一般情况下,当大风出现后,重要天气报应在10min之内发出。若大风和冰雹同时出现时,应在重要报中同时输入大风数据和冰雹直径,再编报发报。若大风和冰雹先后出现,第1种重要报还未发出,合并发1份重要天气报,此时的0段gggg(出现时间)编报最后一种现象达到标准的时间,w0编报0。在编发2时、8时、14时、20时天气报或天气加密报时,整点前30min内(31分以后,包括31分)出现的重要天气不再单独发重要报,可以合并到天气报、天气加密报中。
4大风灾害的调查和记录
大风是较为常见的灾害性天气,常常给工农业生产和人民生命财产造成严重损失。因此,当大风在本地范围内造成灾害时,应迅速进行调查,并及时在气薄-1纪要栏中记载,同时上报上级业务主管部门。调查内容包括影响的范围、地点、时间、强度变化、方向、路径、受灾范围、损害程度等。例如,1993年4月9日,11级大风瞬间将北京火车站前近100m的巨大广告牌连同基础墙刮倒,造成2人死亡、数十人受伤的悲剧。1997年3月25日15时40分左右,云南省开远市城区天空布满乌云,在电闪雷鸣、暴风骤雨的猛烈袭击下,市西路南段40多株行道树被9级大风(风速23m/s)吹折刮倒,几辆正在行驶的机动车被倒下的树干砸中,6人受伤;1辆载有2名乘客的三轮摩托车被倒下的一株树砸中,2名乘客因伤势严重不幸身亡。因此,做好大风灾害调查和记录,取得宝贵的第一手资料,可以为气象服务、防灾减灾及灾害评估提供事实依据。
整理
5参考文献
【关键词】风速预测；SVM回归；误差百分比；平均百分比误差；平均绝对误差
1.引言
风电场机组一直受无规律的变向、变负荷的风力作用，这会使发电机的发电量波动很大，对电网造成较大的威胁，因此对风电场风速预测的理论和实际的研究具有重要意义。支持向量机（SVM）在国外已经应用在话者识别[1]、生物医学[2]、噪音处理[3]等方面，在国内虽然也在模式识别、机械故障诊断、电力预测方面有应用，但是在风电场风速预测上应用较少[4]。风速受气压、温度、纬度、海拔等的影响，风速的随机性很强，本文利用SVM预测风速，百分比误差精度在5%以内，可以为风电场风速预测提供较好的参考。
2.支持向量机回归原理
1963年，Vapnik提出一种非常有潜力的分类方法支持向量机（Support Vector Machine，SVM），它是一种基于统计学习理论的模式识别方法[5]。SVM以训练误差作为优化问题的约束条件，以置信范围值最小化作为优化目标，成功的解决了小样本、非线性及高维模式识别问题，并能够推广应用到函数拟合等其他机器学习问题中。
支持向量机回归的主要思想是通过一个非线性映射Φ，将数据x映射到高位特征空间F，并在这个空间进行线性回归[6]。
本文在风速预测中采用的核函数为径向基RBF核函数（高斯核函数）。
3.SVM参数选择和优化
由于选择的是RBF核函数，所以在核函数参数的选择上有惩罚项常数C和RBF的参数g。目前参数寻优方法有网格寻优，GA寻优，PSO寻优等，其中最简单最有效的方法是网格寻优。但是上述几种方法都是基于知道测试集标签的情况下进行参数优化的，本文是在假定不知道测试集标签的情况下，运用交叉验证（Cross Validation）的方法找到最佳的C和g。
C和g的值是在以2为底的[-8，8]上取值，即C和g的值是在[2-8，28]取值，取最终测试集数据和预测集数据误差最小的C和g。
4.实验与分析
本文选取我国某风电厂的风速数据，风速数据为一天中风速的平均值。本文选取某年当中连续300天的风速数据作为样本，前290个作为训练集，后10个作为预测集。实验程序是在MATLAB 7.11（R2010b）平台上完成，通过对比实测值和预测值来判断预测的精度。本文风速预测的步骤如图1所示。
对实验数据预处理，即用MATLAB自带的mapmaxmin归一化到[-1，1]，构成训练集，然后参数寻优选择合理的核函数，建立预测模型，最后进行真实数据和预测数据的误差分析。支持向量机预测模型效果一般用误差百分比（APE）、平均百分比误差（MAPE）和平均绝对误差（MAE）来评价[7-8]，APE、MAPE和MAE的表达式如下：
风速预测值与实际值的对比如图3。实线代表实际风速，虚线代表预测风速。由图可以看出预测效果还是不错的。图4为风速实际值与预测值之间的误差图。
根据实际风速和预测风速值得到表1。
由表1可见，风速实际值与预测值的比较，平均百分比误差（MAPE）为1.705%，平均绝对误差（MAE）为0.1705，误差百分比误差最大的不超过5%，预测效果可以达到预测精度，验证了SVM理论在风速预测中的可行性。
5.结语
本文结合风场部分风速资料，利用SVM建立风速预测模型，核函数取RBF核函数是为了建模方便，惩罚因子C，gamma因子g，e-SVR中损失函数p的选取是利用libsvm工具箱中SVMcgForRegress求得，模型中数据的平均百分比误差（MAPE）为1.705%，平均绝对误差（MAE）为0.1705，较为理想，可以为风电场的风速预测提供较有价值的参考。
参考文献
[1]Campbell，W.M.A SVM/HMM system for speaker recognition[J].IEEE international Conference on Acoustics，Speech and Signal Processing-Proceedings，2003：209-212.
[2]Rémi Cuingnet，Charlotte Rosso，Marie Chupin，Stéphane Lehéricy，etc.Spatial regularization of SVM for the detection of diffusion alterations associated with stroke outcome[J].Medical Image Analysis，2004，5（15）：729-737.
[3]R Kumar，A Kulkarni，V.K Jayaraman，B.D Kulkarni.Symbolization assisted SVM classifier for noisy data[J].Pattern Recognition Letters，2004，4（25）：495-504.
[4]杜颖，卢继平，李青，邓颖玲.基于最小二乘支持向量机的风电场短期风速预测[J].电网技术，2008，32（15）：62-66.
[5]Corinna Cortes，V.VAPNIK.Support-Vector Network[J].Machine Learning，1995，20（3）.
[6]韩立群.人工神经网络理论、设计及应用（第二版）[M].北京：化学工业出版社，2007.
[7]张华，曾杰.基于支持向量机的风速预测模型研究[J].太阳能学报，2010，31（7）：928-932.
[8]彭怀午，杨晓峰，刘方锐.基于SVM方法的风电场短期风速预测[J].电网与清洁能源，2009，25（7）：48-52.
[9]Johan A.K.Suykens，Tony Van Gestel，Jos De Brabanter，Bart De Moor，Joos Vandewalle.Least Squares Support Vector Machines[M].Singapore：World Scientific Publishing Co.Pte.Ltd，2002.51-54.