برآورد سرعت مبنای باد شهرستان نمین جهت طراحی سازه ها تحت اثر باد

ایمانی کله سر, هوشیار; آدم, عباس

doi:10.22065/jsce.2024.422625.3251

برآورد سرعت مبنای باد شهرستان نمین جهت طراحی سازه ها تحت اثر باد

نوع مقاله : علمی - پژوهشی

نویسندگان

هوشیار ایمانی کله سر ¹

عباس آدم ²

¹ دانشیار، دانشکده فنی و مهندسی، دانشگاه محقق اردبیلی، اردبیل، ایران

² کارشناسی ارشد مهندسی زلزله، دانشگاه محقق اردبیلی، اردبیل، ایران

10.22065/jsce.2024.422625.3251

چکیده

بررسی نیروی باد وارده به‌ویژه در تحلیل و طراحی سازه‌های حساس و آسیب‌پذیر در برابر باد و سازه‌های مستقر در پهنه‌های بادخیز از اهمیت بسزایی برخوردار است. در آیین‌نامه‌های طراحی ساختمان‌ها، سرعت مبنای باد در هر منطقه به‌عنوان پارامتر اساسی جهت برآورد اولیه از میزان بار وارد بر سازه‌ها ارائه می‌شود. با توجه به عدم ارائه سرعت مبنای باد در ویرایش سوم (سال 1398) مبحث ششم مقررات ملی ساختمان برای منطقه شهرستان نمین و نظر به استقرار ایستگاه‌های هواشناسی در منطقه مذکور، در این پژوهش به بررسی داده‌های سرعت باد از لحاظ توزیع احتمالاتی و تعیین دوره بازگشت پرداخته شده تا تخمینی از سرعت مبنای باد مطابق با دوره‌های بازگشت مختلف برای این منطقه به‌دست آید. بررسی‌های آماری داده‌های ثبت‌شده از ایستگاه‌های مختلف هواشناسی نشان می‌دهد که جهت باد غالب در منطقه نمین از جانب شرق بوده و حداکثر و میانگین سرعت سالانه باد مطابق داده‌های هواشناسی ایستگاه نمین 30 و 7/17 متر بر ثانیه می‌باشد. برازش توزیع‌های آماری مختلف بر روی اطلاعات هواشناسی اخذشده از مراجع معتبر نشان داد به‌ترتیب توابع توزیع ویبل، لگ‌نرمال و گامبل بیش‌ترین انطباق را با رفتار داده‌های مورد بررسی دارند. سرعت مبنای باد اردبیل طبق آخرین ویرایش مبحث ششم مقررات ملی ساختمان (که به‌عنوان نزدیک‌ترین ایستگاه به منطقه شهرستان نمین در محاسبات تحلیل و طراحی سازه‌ها تحت بارگذاری باد مورد استفاده قرار می‌گیرد) 9/38 متر بر ثانیه است و کماکان مبنای طراحی سازه‌ها در منطقه‌ی نمین قرار می‌گیرد. طبق نتایج به‌دست آمده در این پژوهش، سرعت مبنای باد براساس داده‌های اخذشده از شهرستان نمین با دوره بازگشت پنجاه ساله 28/31 متر بر ثانیه بوده و از مقدار ذکرشده در مبحث ششم مقررات ملی ساختمان برای ایستگاه اردبیل کم‌تر می‌باشد. انتظار می‌رود نتایج این مطالعه و مطالعات تکمیلی دیگر در بروز رسانی آیین‌نامه جهت مدل‌سازی دقیق‌تر سازه‌های مستقر در این منطقه مورد استفاده قرار گیرد.

کلیدواژه‌ها

مهندسی باد

سرعت مبنای باد

شهرستان نمین

ارزیابی آماری

دوره بازگشت

موضوعات

مهندسی باد و سازه

عنوان مقاله English

ESTIMATION OF BASIC WIND SPEED OF NAMIN CITY FOR THE DESIGN OF STRUCTURES UNDER WIND LOADING

نویسندگان English

Houshyar Eimani kalehsar ¹

Abbas Adam ²

¹ Associate professor, Department of Civil Engineering, University of Mohaghegh Ardabili, Ardabil, Iran

² Master of Earthquake Engineering, Department of Civil Engineering, University of Mohaghegh Ardabili, Ardabil, Iran

چکیده English

Investigating of the lateral force on structures under wind loading is very important, especially in the analysis and design of wind-sensitive structures and structures located in windy areas. In the building design regulations, the basic wind speed in each area is presented as a basic parameter for the initial estimation of the amount of load on the structures. Due to the lack of provision of the basic wind speed in the latest edition of the sixth topic of the National Building Regulations for the region of Namin city and considering the establishment of meteorological stations in the aforesaid region. In the present work, the wind speed data was investigated in terms of probabilistic distribution and the determination of the return period. The results show that the prevailing wind direction in Namin region is from the east. The maximum annual wind speed is 17.7 m/s and the average annual wind speed is 30 m/s. Also, Weibull, Log-Normal, and Gamble distribution functions have the highest compatibility with the investigated data, respectively. The basic wind speed of Ardabil station is 38.9 m/s according to the latest edition of the sixth topic of the National Building Regulations (which is the closest station to Namin city area used in the analysis and design calculations of structures under wind loading). Based on the data available in Namin city, the basic wind speed is 31.28 m/s with a return period of 50 years, and it is less than the value mentioned in the sixth topic of the National Building Regulations.

کلیدواژه‌ها English

Wind Engineering

Basic wind speed

Namin city

Statistical evaluation

Return period

[1] Yuming, L; Bingfang, W; Nana, Y; Weiwei, Zh; Hongwei, Z; Zonghan, M; Jiaming, X; Xinghua, W; Bo, P. (2021). Quantifying the contributions of environmental factors to wind characteristics over 2000-2019 in China. ISPRS Int. J. Geo-Inf, 10 (8), 515. https://doi.org/10.3390/ijgi10080515

[2] Petersen, E; Mortensen, N; Landberg, L; Højstrup, J; Frank, H. (1999). Wind power meteorology. part I: climate and turbulence. Wind Energy, 1 (1), 25-45. https://doi.org/10.1002/(SICI)1099-1824(199804)1:1+<25::AID-WE4>3.0.CO;2-D

[3] Qiuhua, Ch; Xiaoxi, Zh. (2022). Experimental analysis of wind pressure characteristics in a reduced-scale model of a slab-shaped high-rise building at different inflow conditions with various wind flow directions. Processes, 10 (8), 1645. https://doi.org/10.3390/pr10081645

[4] Sharma, A; Singh Verma, A; Tanwar, A; Sharma, A; Choudhary, N. (2023). Analysis of wind effects on different shapes of tall buildings. Journal of Engineering Research and Application, 2, 12-21. http://dx.doi.org/10.55953/JERA.2023.2102

[5] Harnack, R.P; Jensen, D.T; Cermak III, J.R. (1998). Investigation of Upper‐Air Conditions Occurring With Heavy Summer Rain in Utah. International Journal of Climatology, 18 (7), 701-723. https://doi.org/10.1002/(SICI)1097-0088(19980615)18:7<701::AID-JOC265>3.0.CO;2-S

[6] Uyar, T.S; Molly, J. (2002). Wind energy in Turkey. DEWI-Magazin, 13.

[7] Emanuel, K. (2005). Increasing Destructiveness of Tropical Cyclones Over the Past 30 Years. Nature, 436, 686-688. https://doi.org/10.1038/nature0390

[8] Somava, S.M; Bolgov, M.V. (2003). Wind climate analysis of the Caspian sea. In: world Climate changes conferences: Proceedings of the 2nd Workshop on the Caspian Sea, Chapter 9.

[9] Tuller, S.E. (2004). Measured Wind Speed Trends on the West Coast of Canada. International Journal of Climatolog, 24 (11), 1359-1374. https://doi.org/10.1002/joc.1073

[10] McTainsh, G; Chan, Y.Ch; McGowan, H; Leys, J; Tews, K. (2005). The 23rd october 2002 dust storm in eastern Australia: characteristics and meteorological conditions. Atmospheric Environment, 39 (7), 1227-1236. https://doi.org/10.1016/j.atmosenv.2004.10.016

[11] Brano, V.L; Orioli, A; Ciulla, G; Culotta, S. (2011). Quality of wind speed fitting distributions for the urban area of Palermo, Italy. Renewable Energy, 36 (3), 1026-1039. https://doi.org/10.1016/j.renene.2010.09.009

[12] Safari, B. (2011). Modeling wind speed and wind power distributions in Rwanda. Renewable and Sustainable Energy Reviews, 15 (2), 925-935. https://doi.org/10.1002/joc.1073

[13] Carta, J.A; Ramirez, P; Bueno, C. (2008). A joint probability density function of wind speed and direction for wind energy analysis. Energy Conversion and Management, 49 (6), 1309-1320. https://doi.org/10.1016/j.enconman.2008.01.010

[14] Carta, J.A; Ramirez, P; Velazquez, C. (2009). A review of wind speed probability distributions used in wind energy analysis: case studies in the Canary Islands. Energy Conversion and Management, 13 (5), 933-955. https://doi.org/10.1016/j.rser.2008.05.005

[15] Celik, A. (2003). Assessing the suitability of wind speed probabilty distribution functions based on wind power density. Renewable Energy, 28 (10), 1563-1574. https://doi.org/10.1016/S0960-1481(03)00018-1

[16] Jianzhou, W; Hu, J; Ma, K. (2016). Wind speed probability distribution estimation and wind energy assessment. Renewable and Sustainable Energy Reviews, 60, 881-199. https://doi.org/10.1016/j.rser.2016.01.057

[17] Asghar, A.B; Liu, X. (2018). Estimation of wind speed probability distribution and wind energy potential using adaptive neuro-fuzzy methodology. Neurocomputing, 287, 58-67. https://doi.org/10.1016/j.neucom.2018.01.077

[18] Wang, Sh; Zhang, Y; Waring, M; James Lo, L. (2018). Statistical analysis of wind data using Weibull distribution for natural ventilation estimation. Science and Technology for the Built Environment, 24 (9), 922-932.

https://doi.org/10.1080/23744731.2018.1432936

[19] Palutikof, J. P; Kelly, P. M; Davies, T. D; Halliday, J. A. (1987). Impacts of spatial and temporal wind speed variability on wind energy output. Journal of Applied Meteorology and Climatology, 26 (9), 1124-1133.https://doi.org/10.1175/1520-0450(1987)026

[20] McVicar, T.R; Van Niel, T.G; Li, L.T; Roderick, M.L; Rayner, D. P; Ricciardulli, L; Donohue, R. J. (2008). Wind speed climatology and trends for Australia, 1975–2006: Capturing the stilling phenomenon and comparison with near‐surface reanalysis output. Geophysical Research Letters, 35 (20), 313. https://doi.org/10.1029/2008GL035627

[21] Wan, H; Wang, X.L; Swail, V.R. (2010). Homogenization and trend analysis of Canadian near-Surface wind speeds. Journal of Climate, 23 (5), 1209-1225. https://doi.org/10.1175/2009JCLI3200.1

[22] Jiang , Y; Luo, Y; Zhao, Z. (2013). Maximum wind speed changes over China. Meteorologica Sinica, 27 (1), 63-74. https://doi.org/10.1007/s13351-013-0107-x

[23] Pryor, S.C; Barthelmie, R.J; Yang, D.T; Takle, J; Arritt, R.W; Flory, D; Gutowski Jr, W.J; Nunes, A; Roads, J. (2008). Wind speed trends over the contiguous United States. Jornal of Geophysical Research:Atmosphers, 114 (D14), 1-18. https://doi.org/10.1029/2008JD011416

[24] Pryor, S.C; Ledolter, J. (2010). Addendum to “Wind speed trends over the contiguous United States”. Jornal of Geophysical Research:Atmosphers, 115 (D14), 1-18. https://doi.org/10.1029/013281

[25] Zhang, L; Li, Q; Guo, Y; Yang, Z; Zhang, L. (2018). An Investigation of Wind Direction and Speed in a Featured Wind Farm Using Joint Probability Distribution Methods. Sustainability Renewable Energy, 149, 664-681.

https://doi.org/10.1016/j.renene.2019.12.048

[26] Singh, A.S; Masuku, M.B. (2013). Applications of modeling and statistical regression techniques in research. Journal of Mathematical and Statistical Sciences, 1 (6), 14-20.