Tesis doctorals> Departament d'Enginyeria Química

Predicció de coeficients de pressió mitjançant xarxes neuronals artificials

  • Dades identificatives

    Identificador: TDX:368
    Autors:
    Gavaldà Sanromà, Xavier
    Resum:
    This work presents an artificial neural network based interpolation model. Using existing information from pressure distributions over low-rise buildings databases, the model is able to predict, accurately, pressure profiles over any roof with the desired physical characteristics (over the existing data domain). With the pressure interpolated data, wind loads over the roofs can be calculated, assisting its design process. This methodology drives to a cheaper design process since it replaces the experimentation, with scaled buildings, in wind tunnels. During the developed work methodology it has been demonstrated that the pressure field over building surfaces contains, in itself, all of the information necessary to predict the (surface) pressure fluctuations at all locations and times.
  • Altres:

    Data: 2010-02-08
    Departament/Institut: Departament d'Enginyeria Química Universitat Rovira i Virgili.
    Idioma: cat
    Identificador: urn:isbn:9788469333907 http://hdl.handle.net/10803/8586
    Font: TDX (Tesis Doctorals en Xarxa)
    Autor: Gavaldà Sanromà, Xavier
    Director: Giralt, Francesc Ferrer i Gener, Joan Manel
    Format: application/pdf
    Editor: Universitat Rovira i Virgili
    Paraula Clau: xarxes neuronals artificials coeficient de pressió càrregues aerodinàmiques predicció de sèries temporals cilindre circular edificis de baixa alçada
    Títol: Predicció de coeficients de pressió mitjançant xarxes neuronals artificials
    Matèria: 66 - Enginyeria, tecnologia i indústria química. Metal·lúrgia 624 - Enginyeria civil i de la construcció en general 004 - Informàtica
  • Paraules clau:

    66 - Enginyeria, tecnologia i indústria química. Metal·lúrgia
    624 - Enginyeria civil i de la construcció en general
    004 - Informàtica
  • Documents:

  • Cerca a google

    Search to google scholar