毕业论文论文范文课程设计实践报告法律论文英语论文教学论文医学论文农学论文艺术论文行政论文管理论文计算机安全
您现在的位置: 毕业论文 >> 英语论文 >> 正文

土木工程英文文献及翻译 第4页

更新时间:2010-5-11:  来源:毕业论文
土木工程英文文献及翻译 第4页
图a 表示的是一整天。图b表示的是08:00-20:00。根据逐时气温概率密度函数绘制。
以中国南京一年时间内的逐时环境温度为依据,一整天和时段08:00——20:00的概率密度函数  被计算出。结果如图表1所示。此处区间[0,1]被平均分成50个子区间,即n等于50。
根据图表1中离散的概率密度数据,  概率密度函数可以用拟合的方法得到。在此次研究中,二次多项式:
可以用来拟合概率密度数据,式中a、b、c是系数。根据概率密度函数的性质,将有如下方程:
如图表1所示,根据所示概率密度数据点可以得到概率密度曲线。概率密度函数可以拟合描述成下列关系式
3.2  逐时气温的产生
正如本文开头表述的那样,这项研究的目的是得出逐时环境温度。当只已知最高日气温和最低日气温时,为了求得bin气象数据。我们可以通过上述方法求解概率密度函数得到标准的逐时环境温度,进一步可将标准逐时环境温度化成逐时温度。这属于怎样模拟一个指定概率密度函数的随机变量的问题。并且能够通过使用文献[13]提到的方法在电子计算机上处理。如假设一个概率密度函数   ,如果  的分布函数 能得到,并且u是数值在一个特定区间[0,1]内的随机变量时。
那么
                                                           
  得出分布函数 。因此,为了模拟一个值在特定区间F的随机变量,我们只要建立 即可。
正如上文讲述的那样,标准环境温度的概率密度函数是用一年时间的逐时温度建立的。有了已知的概率密度函数做基础,那么随机标准逐时气温就能求出。当已知日最高气温和最低气温时,可以运用下式把标准逐时温度化成实际温度。
                                               
3.3 求解bin数据
通过上述方法可以把一天中特定时段的逐时温度求出,此时,bin数据也可以得到了。因为在这次研究的模型中使用的标准温度是随机变量,所以世代求解出的bin数据表现出一些差异,但是有很多共同点。为了得到稳定的bin数据,bin数据的世代要执行足够多次。并且去不同世代结果的平均值做为bin数据。在此文中,去50个世代结果的平均值来得出bin天气数据。
3.4 模型的评价方法
模型的性能的评价按照如下统计错误测试。

2002南京bin数据测量和计算值。图a表示一年中全天的bin数据; 图b表示一年中时段8:00-20:00的bin数据;图c表示5月1日-10月31日中全天的bin数据;图d表示5月1日-10月31日中时段8:00-20:00的bin数据;图e 11月1日-5月1日中全天的bin数据;图f表示11月1日-5月1日时段8:00-20:00的bin数据。式中                                                      
因为气温的频率分布是一个喇叭形曲线,故可以进行如下设想。数据中心段是最有意义的,而最大值和最小值反映了异常的天气情况。因为bin方法是用来计算建筑物能耗的,故集中在中心段的数据是有意义的,中心段数据反映了大部分的能耗。为了在模型评价中把这个因素考虑进出,在Eq.[11]中一个额外的因数 被引入。
4.结论和讨论
4.1模型的确认
基于上述在研究中的模型,以及南京地区2002最高日气温和最低日气温。两个不同季节(5月1日——10月31日和11月1日——4月30)的 bin天气数据就得到了。在每个不同季节,一天中不同的时段(全天24小时和一天中08:00——20.:00)都被考虑进出了。得到的bin天气数据如图表2所示,在图表中,计算和表示了实际的bin数据和统计误差。
如图2所示,本文中建立模型的误差在区间[3.25%,6.5%]内,这样的结果被认为是可以接受的。尽管这个比较仅仅一年内南京的气温记录为依据,(因此,图表2中的bin数据不能用来计算建筑能耗),
 它预示了该研究中建立的模型是切实可行的,并且如果能够得到长期的气温记录,它就可能用来求出bin数据。
4.2 南京的bin数据
在我们以往的研究中,中国大多数城市典型气象年的规范是用TMY方法来研究的。其中只考虑了最高日气温、最低日气温和平均环境温度。以本文中建立的模型以及图表1中南京的典型气象年数据为依据,就可以得到两个不同季节和一天中不同时段的bin气象数据,结果如表2所示。表2中,在bin数据的产生过程中,气温bin设为2℃。另外,如果需要求夜晚20:00——08:00的bin数据,可以通过从整天的bin数据减出时段08:00——20:00的bin数据得到。
5结论
Bin 气象数据对bin方法的应用是重要。Bin方法能够有效地用来估算建筑的采暖和制冷需求量。本文建立了一个用以产生bin天气数据的随机模型,在该随机模型中仅需用到最高和最低日气温。用该随机模型,我们得到了南京地区的bin数据。统计评估指标MAPE被用来评估该模型。因为本文中考虑了运行季节和占有时期,MAPE值在区间[3.25%,6.5%]内。该模型可以用来估算那些逐时气温数据丢失或不可用的地区的bin气象数据。

上一页  [1] [2] [3] [4] 

土木工程英文文献及翻译 第4页下载如图片无法显示或论文不完整,请联系qq752018766
设为首页 | 联系站长 | 友情链接 | 网站地图 |

copyright©751com.cn 辣文论文网 严禁转载
如果本毕业论文网损害了您的利益或者侵犯了您的权利,请及时联系,我们一定会及时改正。