Quality assessment of peak pressure estimates in high-rise building using large eddy simulation
Notice bibliographique
Résumé
• Quantifies numerical and modelling errors in LES-predicted peak pressures. • Applies systematic grid and model variation to map error estimates. • Uses 96-cells-per-breadth resolution to achieve low grid-induced uncertainty. • Shows grid-resolution sensitivity exceeds that of the sub-grid-scale model constant. • Confirms 95 % of peak pressures match wind-tunnel data within ±30 % tolerance. Analysis of peak surface pressures is essential for specifying wind-resistant cladding of tall buildings. Large eddy simulation (LES) holds promise for predicting peak wind action, yet its reliability is challenged by uncertainties arising from extreme value analysis and grid-controlled scale filtering. This study postulates that quantifying numerical and modelling errors in the LES pressure solutions improves design reliability and guides grid resolution specifications for high-fidelity peak pressure prediction. Thus, the key objectives were to ( i ) map magnitudes of numerical (truncation) and modelling errors along facades—achieved here through the novel application of the systematic grid and model variation method—and ( ii ) assess the accuracy of low-uncertainty peak pressure solutions against experimental measurements. Simulations reproduced a benchmark from the Tokyo Polytechnic University, modelling a square-based building with height-to-breadth ratio of 5:1 subjected to orthogonal and oblique wind incidences. Peak pressure coefficients at 500 locations were extracted from a Gumbel distribution of extremes, recorded during 30 min of equivalent full-scale exposure to 100-year return wind speeds. Using an isotropic wall-tangent resolution of 96 cells per building breadth, the LES peak pressure results showed generally low uncertainty, with area-averaged numerical and modelling errors of 7.3 % and 4.1 %, respectively. This configuration demonstrated respectable accuracy: 55 %, 85 %, and 95 % of peak pressure predictions fell within ±10 %, ±20 %, and ±30 % of the experimental references. Ultimately, this work presents a systematic LES framework for reliable peak pressure prediction, well-suited for third-party reproduction.
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 | 0,001 | 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 ».