Impact of upstream buildings on Wind-Driven Rain Loading: Refining Obstruction Factor in ISO semi-empirical model based on CFD
Notice bibliographique
Résumé
CFD is a valuable tool for assessing Wind-Driven Rain (WDR) loading, one of the most important environmental loads for façade design. The majority of previous studies on this topic have primarily concentrated on simple building configurations, i.e., stand-alone buildings. Hence, prior findings may not be applicable to consider the impact of upstream buildings in urban areas, which significantly alter wind flow field, consequently, change WDR loadings on downstream building facades compared to the stand-alone building. Part A : four different steady-state RANS models (i.e., standard k − ω , realizable k − ε , RNG k − ε , and standard k − ε ) coupled with the Eulerian Multiphase (EM) technique (RANS-EM) are compared and implemented using OpenFOAM-7. These models are validated and verified based on wind-tunnel and field measurement data obtained from the literature for a six-story mid-rise residential building located in an urban area in Vancouver, Canada. The study considers 13 distinct rainfall events, for the test building with/without overhangs. All four RANS models are deemed suitable for modeling WDR in urban areas, while the steady-state standard k-ω RANS-EM approach without incorporating turbulent dispersion showing slightly better performance, thus utilized for the reminder of the study. Part B : a sensitivity analysis is presented on how the upstream buildings influence the WDR loading on a downstream building, denoted as Obstruction Factor. A comparison between the CFD and ISO semi-empirical model shows significant discrepancies, potentially reaching up to factors of 5. Thus, updated Obstruction Factors are suggested to enhance the ISO model for more accurate estimation of WDR loads.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».