BIM-GIS高保真风风险建模集成方法在基层
奥马尔·m·Nofal
约翰·w·范·德·林德1
艾哈迈德Zakzouk- 1土木与环境工程系,佛罗里达国际大学,美国迈阿密,佛罗里达州
- 2学院建设信息、土木工程学院、德累斯顿技术大学,德国德累斯顿
风灾害常常导致严重破坏了建筑环境级联到对一个社区内社会经济系统的影响。飓风灾害频率和强度的增加突出的重要性,发展高分辨率风风险模型更好的预测结果。尽管先前的研究已经调查hurricane-induced风灾害的风险建模和随后的建筑和基础设施的脆弱性,这些研究还没有调查的应用计算流体动力学(CFD)在基层。因此,在这项研究中,开发了一项新颖的方法来生成CFD模型在社区范围内通过集成建筑信息模型(BIM)和地理信息系统(GIS)来自动生成高分辨率三维社区模型作为输入用于数字风洞。这是通过利用当前先进的BIM和GIS应用和最大化他们的能力通过开发一个算法自动三维几何一代的社区提供一个详细的每个建筑在社区内的离散化。3 d社区模型开发了使用GIS shapefile建筑的足迹和参数BIM模型等参数,使用许多建筑足迹维度,屋顶形状,基础类型和数量的故事。然后,开发了一个算法来自动的创建为每个在社区内建立基于BIM模型规定的建筑的特点。发达社区模型被用来作为输入的数值风洞使用CFD占详细风压在每个建筑包括在社区范围内空气动力干扰的影响。这部小说BIM-GIS集成方法提供了,第一次,下一代的高分辨率基层CFD风风险建模旨在转变当前基层风风险模拟的练习。
1介绍
飓风的危害是最常见的危害之一在美国将在沿海社区基础设施风险(Abdelhady et al ., 2020;Nofal 2021)。Hurricane-induced风灾害会建筑信封以及造成重大的伤害,严重损害了建筑结构系统(Amini和Memari 2020)。因为飓风灾害加剧(Kossin 2017),开发了多个飓风风力模型来预测飓风风场和风危害强度(维克瑞et al ., 2009)。荷兰开发最完善的风模型,可以预测飓风风压力曲线(荷兰,1980年)。亲爱的建立了一个相对强度飓风风力模型使用概率分布(亲爱的,1991)。维克瑞et al。(2000)开发实证方法预测飓风后跟踪使用相对强度的概念开发的宠儿。最近,更高级的飓风追踪模型开发如随机轨道模型(伊曼纽尔et al ., 2006)和其他使用统计模型以及历史数据(飓风霍尔和Jewson, 2007年)。几个衰变模型hurricane-induced风风险是包括土地地形的影响后,风的衰变率风险强度登陆后(维克瑞Twisdale, 1995;刘和庞,2011年)。最后,先进hurricane-induced风模型被开发使用大涡模拟(LES)框架开发的气象研究和预测(WRF)模型(朱,2008)。虽然这些方法提供了重要贡献风风险建模、当前文学仍然缺乏一种高分辨率的方法,可以捕获在社区范围内空气动力干扰的影响。
风灾的保真度模型应用于分析可以极大地影响最终计算风压建筑和随后的损伤评估的过程。风损失评估通常是使用大量的风脆弱性模型开发评估建筑物和基础设施的损坏/遗失了(皮塔饼et al ., 2015)。综述表明,不同类型的风漏洞功能已经发展在过去2年里包括确定性(例如,伊曼纽尔et al ., 2006;Pinelli et al ., 2011;皮塔饼et al ., 2012)和概率模型(例如,Mishra et al ., 2017;Khajwal Noshadravan 2020)。Fragility-based风脆弱性模型的重点文献在过去2年里,因为他们允许通过损伤评估的不确定性传播过程(李和Ellingwood, 2006年;Massarra et al ., 2020;Nofal 2020;王et al ., 2021)。几个脆弱函数为不同的建筑类型包括住宅开发(Masoomi et al ., 2018)、商业(Koliou et al ., 2017)和社会机构(Masoomi凡德林,2016)。同时,多种灾害的脆弱性功能是由包括飓风的影响结合激增和海浪的影响以及风灾害(Masoomi et al ., 2019)。脆弱性函数共同影响,风速和靠风传播的碎片也开发(Abdelhady et al ., 2021)。进一步,多种灾害飓风社区风险评估方法是执行风险评估飓风在大空间尺度上(Nofal et al ., 2021 a;2021 b)。尽管所有这些基层飓风风险模型是小说和风文学提供了重大贡献,他们都是基于简单的风模型,不考虑空气动力干扰的影响在社区范围内。
虽然飓风风场的详细建模对飓风的风险评估是至关重要的,一个适当的离散化的建筑环境也是很重要的考虑在每个接触建筑风压(杜et al ., 2018)。土地的地形和建筑物的拓扑可以改变风危害强度由于风之间的交互流和建筑(任et al ., 2018;Wenz et al ., 2021)。此外,风掩蔽效应由于建筑分散在空间域的接触面积可以显著改变风压力接触建筑(Wiren 1983;刘et al ., 2018)。因此,已经有多个研究调查风灾害之间的交互和建筑物的整个建筑信封(风压的变化舒尔曼和DesAutels, 2013;Abdelfatah et al ., 2020,2022年;Amini和Memari 2021)。尽管有先进的CFD建模方法和改进效率的计算模型,目前的文献仍然缺乏一种方法能自动完成社区的建模过程和详细的离散化在建筑层面的总体目标更好的建模在社区一级空气动力干扰。这是因为风基层CFD模型计算昂贵,需要足够的时间进行建模和处理。此外,数值模拟的几何社区挑战特别是当它包括详细的所有建筑在社区内的离散化。基层风害和风险评估,目前的文献仍然依赖于二维光栅风险地图的风速提取本地每个建筑的中心。这种方法不考虑空气动力干扰的影响,因此影响计算风压的忠诚在每个建筑。
BIM技术使建筑组件的详细信息的建模,包括内部内容、结构性和非结构性部分。这种技术促进了管理不同类型的建筑数据使用在建筑的生命周期的不同阶段,包括分析和设计、施工、操作、维护和修理。然而,使用BIM技术的全部好处尚未意识到和许多不同的应用程序仍然是可能的。受益于女子可以获得利用BIM在自然灾害研究和应用程序(Amirebrahimi et al ., 2016)。此外,当前的GIS应用的进展允许建模建筑环境,使处理大数据库存(De Risi et al ., 2013;Nofal凡德林,2020,2021年)。虽然这些GIS进步显著,自然灾害研究开发的高分辨率模型利用这些进步社区。最近,有一些研究调查的可行性BIM模型和GIS集成的自动运用BIM模型在GIS环境下的建筑水平(El Meouche et al ., 2013;迪亚基特和Zlatanova, 2020)。虽然这些研究小说和BIM-GIS集成文学提供了一个重要的贡献,他们没有为整个社区开发BIM模型。当前的研究试图克服这个研究差距使用GIS的发展和BIM技术开发一种方法,可以自动生成BIM模型社区提供一个详细的建筑在社区内的离散化。建模的空气动力干扰基层需要离散建筑环境,这样它可以允许建模hurricane-induced风风险之间的相互作用和建筑在社区内。这将需要一个社区的3 d模型的正确描述建筑和基础设施来计算高保真风压力在每个建筑。每个建筑在这个模型可以离散,这样它占当地的建筑基础等数据类型,数量的故事,和屋顶形状以及其他全球构建数据对社区包括位置、高度,方向,和建筑足迹形状。女子之间的集成和GIS将允许建模三维社区提供一个详细的建筑在社区内的离散化。
本文研制了BIM-GIS集成方法来自动化建筑环境的BIM建模过程。发达的方法利用BIM和GIS的应用被利用在自然灾害研究,专门为社区发展3 d几何作为输入用于计算流体动力学分析。这样做是使用参数BIM模型来生成不同的建筑类型学在社区内。Revit发电机,它使用一种新颖的算法开发的GIS的shapefile足迹在社区内的建筑作为输入,然后执行一系列的参数操作在这个shapefile建筑属性。这些属性包括建筑足迹形状、数量的故事,屋顶形状,基础类型。这些属性使用的新算法来自动生成每个建筑的几何在社区内和交付最后一个荡妇文件详细建模的整个社区在社区内不同的建筑。这个新的BIM-GIS集成方法允许自动化的发展整个社区的物理模型作为输入几何用于数字风洞进行CFD模拟。然后,飓风所产生的最大风速可以建模为一个数字风洞边界条件允许的详细描述在每个建筑在社区内空气动力干扰。这种方法允许分析师占详细在每个建筑风压在社区内,可以用作输入风力脆弱性分析。发达CFD hurricane-induced风风险模型被认为是证明概念的下一代高保真风风险分析在社区的社区规模可能有进一步应用弹性规划。 Note that the wind fidelity is considered high with respect to community scale, but not for convention single structure scale CFD.
2方法
小说BIM-GIS集成方法开发自动化的生成3 d几何离散化后的社区在社区内不同的建筑类型学。(图1)。显示了一个示意图流程图的方法与主模型,这些模型的基本输入数据。这种方法允许生成高分辨率的三维几何的社区,可以用作一个数字输入风洞占风空气动力效应在基层。最后风风险地图可以用来生成一个高保真风风险模型,占社区内的每个建筑受损。在社区范围内的风速可以生成的直接输出从发达方法占掩蔽效应引起的不同的构建模式。此外,可以生成组件级输出来确定风压等特定组件的墙壁和屋顶。
图1。开发方法集成的原理流程图风害BIM和GIS模型分析。
BIM-GIS集成模型
开发一种新颖的方法与GIS集成BIM自然hazards-focused研究这两个主要技术应用在建筑、工程与施工(AEC)行业。两个供应商的市场份额大部分这种技术是欧特克(BIM)和ESRI (GIS),一直在过去的几年里密切合作,整合这些技术,和最近发表的第一个工具BIM和GIS集成在一个ArcGIS GeoBIM计算环境。然而,这个工具是有限的适用性AEC行业与更详细的建筑水平视角来关注建成环境的一部分。BIM-GIS集成方法开发所关注基层的角度来看,这样的建筑细节都包含在一体化进程至关重要。通过收集详细的建筑信息一体化进程开始对社区内的建筑和建筑的发展空间表示数据的GIS shapefile。这shapefile应该包括在社区内建筑的基本属性包括足迹形状、数量的故事,屋顶类型和基础类型。接下来,开发了一种算法,读建筑的属性作为输入参数BIM模型。这个参数BIM模型开始生成每个建筑的几何基础上提供输入数据。几何可以详细的每个建筑组件,这样可以获得不同的组件级数据作业,如不同的墙体材料,不同的墙类型、不同基础类型等。
社区的开发方法使用GIS模型的shapefile社区内的每一个建筑的足迹。这个shapefile每个建筑的详细属性在社区内包括足迹形状、故事、基础类型和屋顶的形状。这些属性要么是网上,可以从数据供应商购买,或者可以使用Google收集街道地图视图。同时,参数Revit发电机使用BIM模型开发了建筑的属性来自社区的shapefile和自动化这些建筑的生成。(图2)。显示发达背后的逻辑算法Revit发电机的发展之间的联系社区和发达的GIS shapefile参数BIM模型生成的几何建筑在社区内。建筑的几何生成自动化过程包括发展中墙,屋顶,基金会,和故事的数量为每个建筑基于所提供的属性。社区的三维BIM模型转化为国际基础类(IFC)扩展当时用作一个数字输入的风压风洞占每个建筑后,包括空气动力干扰的影响。
图2。发达背后的逻辑算法Revit发电机的GIS shapefile和参数BIM模型之间的联系。
BIM-GIS集成算法是使用Python开发和利用一些现有的图书馆在GIS等Revit发电机,发条,bimorphnodes。提供的参数BIM模型生成代码所示(图3)明确表示发达一体化进程。算法读取GIS shapefile感兴趣的社区的构建属性需要参数化的BIM模型。首先,GIS图书馆Revit发电机用于从可用的shapefile加载感兴趣的属性(例如,数量的故事、基础类型、屋顶形状,墙壁属性,等等)。如果其中一些数据不可用在GIS文件中,用户输入的数据可以用来增强分析和算法。这些数据将被用来创建的固体形状的建筑将2 d足迹转换为三维实体使用几何库嵌入Revit发电机。同时,坐标变换为建筑的足迹也处理的一部分发达算法确保生成的正确地标建筑。发达算法是目前有限的建筑只能使用但在未来自动化的生成等基础设施水、电力和交通网络。可以使用相同的过程和详细的数据对这些网络的shapefile。这shapefile应该网络拓扑结构,连接,依赖,等等。这时,一个类似的参数模型可以使用这些信息来启动开发的几何基础设施。
图3。Python参数BIM建模算法将二维建筑三维实体建筑的足迹。
一旦每个建筑的几何在社区内开发的BIM模型,允许充分描述建筑的细节,一个完整的三维BIM模型可以生成的社区。这个3 d社区模型的基本几何信息社区,允许进一步的风-或水上构筑物交互分析。细节的输出电平的自动化过程生成的3 d社区的BIM模型取决于可用的建筑信息模型作为输入。如果没有任何信息关于基础类型或屋顶形状,最后生成的社区发展基于假设基础类型(例如,板级)和屋顶形状(例如,平屋顶),这可能是比较典型的一个社区。例如,虽然收集建筑数据,有很多建筑无法访问在该领域或在谷歌地图视图中。然后,这个数据可以合理的假设,这些建筑属性基于周围的建筑类型。最终的三维BIM模型社区的地理坐标可以被集成到一个3 d GIS环境。(图4)。显示了转换过程示意图工作流从二维GIS社区模型到三维集成BIM-GIS社区模型。在未来,这个算法可以扩展到包括研究区域的地形的地形高程,以及它如何影响空气动力干扰。这可以通过将数字高程图(民主党)的研究区域识别每个建筑的地面高程,从而调整每个建筑的高度。同时,该算法将用于模型的电网等基础设施将需要细节的地理空间信息输电和配电线路(例如,波兰人/塔高度、几何、位置,等等)。
图4。示意图工作流将二维GIS社区模型的三维集成BIM-GIS模型社区。
风风险建模
在本研究中,主要关注的是hurricane-induced风危害,但方法适用于任何直线风风险。飓风风分析通常是对一个像素大小的公里,使解决如此广泛的数值风场模型(例如,荷兰模型)。Vijayan et al。(2021)调查不同风的影响参数对最终生成的风场飓风迈克尔在2018年基于荷兰模型。非结构化网格的大小用来开发这个模型范围从陆路25公里/水和1公里。虽然这些风力模型是小说和hurricane-induced风风险建模提供了重要的贡献,这些模型并不足以预测风速和风压在每个建筑在社区内。这是因为这些数值模型中使用的解算器只开关暴露因素从水上的陆路占风速在城市社区中并不占详细wind-structure交互产生的空气动力干扰。另外,这些模型不考虑掩蔽效应专门为建筑在海岸线上。在当前使用的分辨率模型产生,例如,ADCIRC,用于生成非结构化网格的像素大小不允许捕获风速变化的整个社区。因此,基层CFD-based解决方案将提供更多准确的风结果即使这些解决方案是使用一些简化,如使用大型筛孔尺寸。由于表面粗糙度将比使用暴露因素,更好的代表代表一个常数粗糙度不包括保护的效果。
克服这些研究空白,发达的输出BIM-GIS集成方法的三维几何的社区作为一个输入CFD-based数字风洞占空气动力学干扰基于提供的几何所示(图5一个)组成的一个小例子部分社区25建筑不同的类型学。这是通过将社区的三维BIM模型转换为该行业基础类(IFC)扩展作为一个输入几何任何支持国际金融公司的计算环境的扩展。社区的BIM模型而言,国际金融公司扩展被用作一个数字输入风洞使用RWIND (Dlubal 2021),是一个OpenFOAM-based计算环境,允许三维不可压缩流分析。摄入量大小的数字风洞尺寸设置为模型的宽度和高度尺寸的两倍。它的长度设置为三次模型长度较短的距离在进气端。用来计算程序默认风洞尺寸涉及到一个复杂的测试过程,进行了优化。默认维度确定提供足够大的自由空间的结构模型和设置尽可能小获得短的计算时间。RWIND生成的气动干扰模型的验证与实验风洞数据和验证的例子可以发现在此(Dlubal 2022)。RWIND的缺点是,它不允许时间风边界条件模拟不同风速的位置。另外,对于大的模拟有超过1000万个元素,模拟计算时间可能会超过3天。表面网格然后使用RWIND开发基于几何使用不同大小的网格,网格依赖性完全检查使用RWIND网格生成器所示(图5 b, C)。网发达的特写视图生成的几何所示(图5 d, E)。
图5。基层的几何生成建筑(一)社区的BIM模型;(B)低分辨率几何;(C)高分辨率几何;(d e)特写意见建筑显示网格的大小用来生成几何。
为高分辨率模型生成的网格使用小网格大小图5 e被用作一个使用RWIND OpenFOAM-based数值解算器输入风力流和表面压力计算网格节点,然后整个模型的结果外推。开发CFD模型进行稳定流计算500次迭代和P-residual = 0.001的转换标准。湍流模型用于稳定流动跑k-epsilon和湍流强度(I)被认为是1%。瞬变流动的湍流模型用于LES Spalart-Allmaras延迟分离涡模拟(dd)。流入动荡并没有被认为是在这项研究中,因为它是本研究的主要目标的范围,但可以未来的工作。图5一个显示了数字风洞使用RWIND和边界条件的风速值和风速剖面。由此产生的风力流在整个社区模型所示(图6 b)和一个特写视图所示(图6 c)。分析结果还包括风速的空间变异在社区给定边界条件的持续风速位置所示(图7)和表面压力在每个建筑所示(图7 b)。(图7 c, D)显示了在两个不同地点风速剖面整个社区。应该注意的是,这些结果跑的风压稳定流动模拟。这里描述的方法可以扩大调查大型社区与数以百计的建筑,但是这里介绍的方法是分段的社区作为一个例子。
图6。模拟数字风洞和整个社会造成风流(一)数字风洞设置;(B)风流在社区;(C)特写视图建模风流。
图7。空间变化的风速和风压在基层(一)社区风速轮廓;(B)在建筑风压;(C)风速剖面在建筑之一;(D)风速剖面两跨建筑。
3例社区:墨西哥海滩,佛罗里达州
地理位置
新方法应用到墨西哥海滩,FL的可行性和适用性在较大的空间范围内。墨西哥海滩是一个小佛罗里达西北部沿海社区的总人口1072人根据2010年的人口普查。墨西哥海滩被选中的大西洋上的实验,因为它的位置使它容易受到沿海灾害;具体地说,飓风。(图8)。显示了墨西哥海滩的空间位置对佛罗里达的状态。在这项研究中,只有墨西哥海滩的中间部分是考虑风荷载分析特写视图所示(图8)。
图8。墨西哥海滩的地理位置对佛罗里达州的特写镜头的选择研究区域内的墨西哥海滩,FL。
2018年飓风灾害场景:迈克尔
飓风灾害场景用于这项研究迈克尔在2018年被认为是第一个猫五风暴自1992年安德鲁飓风袭击美国。有74人确认死亡归因于飓风迈克尔,估计250亿美元的损失。迈克尔是第三个最强烈的飓风大西洋飓风登陆美国。迈克尔与峰值达到5级飓风的风速每小时160英里之前登陆墨西哥附近的海滩,佛罗里达州2018年10月10日。风场模型被开发为飓风迈克尔RMS和穆迪分析(RMS:穆迪分析公司,2018年)所示(图9)。这风场风险地图显示在佛罗里达最暴露的地点。然而,开发这个风险地图使用的像素大小是5.0公里5.0公里这意味着所有建筑物在墨西哥海滩被暴露于相同的风速每小时160英里(70米/秒)。这个风速作为边界条件的数字风洞将在下一节中详细讨论。
图9。迈克尔在墨西哥湾的飓风的演变及其对美国的登陆随空间变化的风速在美国的东南部。
4的结果
BIM-GIS集成方法在本研究被用来开发模型研究区域内的建筑物的墨西哥海滩,FL。社区的几何生成使用这里描述的方法被用作一个数字输入风洞使用RWIND占风速和风压的建筑。分析结果在随后的部分。
社区建模结果
建筑足迹shapefile的墨西哥海滩,FL所示(图10),被用来作为输入BIM-GIS集成方法开发的3 d几何社区。唯一可用的细节对于这些建筑自己的位置,足迹形状,和故事。这些信息被用来生成BIM模型为每个建设在社区内假设所有建筑平屋顶slab-on-grade基金会由于没有屋顶的形状信息或所示的基础类型图10 b]。社区的bim模型地理是集成到一个3 d GIS环境所示(图10 c]。新BIM-GIS集成方法可以扩展到其他建筑信息模型包括屋顶形状和基础类型。如果这个数据是可用的,可以调整算法来处理这些信息的输入数据来自社区的shapefile。创建社区模型所需的时间取决于数据的可用性(建筑shapefile)和需要多少工作准备BIM-GIS一体化进程的数据。BIM-GIS集成算法需要从2到5分钟生成社区的BIM模型的大小取决于社区。
图10。研究区域的建筑足迹在墨西哥海滩,FL随着新的BIM和GIS模型(一)研究区域内的建筑足迹;(B)社区的BIM模型;(C)社区的BIM模型在三维GIS地理环境。
风风险建模结果
为社区从生成的几何BIM-GIS集成方法被用来作为输入的数字使用RWIND风洞模型。超过1000万个元素被用于开发社区的网状空气动力学干扰建模。水平的网格细化用于生成这种CFD模拟使模型来捕获整个建筑在社区内风流。(图11)。显示数字的输出风洞的风流生成与风速的空间分布在社区。分析结果表明,风速会减少它接近建筑物趋于0时因为风粒子在建筑位置停止。(图11)。也捕捉风速的增加之间的街道建筑和建筑的位置和方向如何影响风速。应该注意的是,给出了定量结果是高度的影响模型假设包括几何模型和湍流模型和输出结果中可能会有一些变化,如果采用不同的假设。
图11。研究建模的风流(一)风速在社区的空间分布;(B)特写镜头在风速轮廓。
数字风洞建模方法允许捕获建筑风压力所示(图12)。有许多观察最终结果的数字风洞使用建议的方法:
•掩蔽效应的分析结果显示意义建筑物前面提供的海岸线上,以及它如何影响建筑上的风压。
•表面风压数值风洞中生成显示了风压转换从压力(有一个积极的迹象)吸入(负号)所示(图12)。
•它演示了如何高的建筑更有压力non-sheltered部分关于受保护的部分。这是明确的颜色变化的表面风压red-circled位置所示(图12 b)。
•分析结果还提供的压力值在每一方的建筑风损分析提供所需的信息为每个接触组件的建筑。
•建筑的方向及其角度对风向显著影响风压的分布在建筑信封blue-circled位置所示(图12 b)。
•风压力结果将允许组件级的高分辨率损失分析每个建筑在社区内。
•分析结果提供一个交互式风力流仿真显示了风流动的空间变化以及随后所示风速的变化(图13)。这个行为,正如人们所预料的,像一个物理风洞,产生风的流动线条与建筑环境进行交互。
图12。风压分布:(一)建筑物表面风压的分布在整个社区;(B)特写镜头的建筑水平风力机分布。
图13。风流量分析结果(一)风流动行整个社区颜色根据风速的变化;(B)特写镜头在风力流和风速的变化。
5总结与结论
开发了一项新颖的方法来集成BIM和GIS生成高分辨率几何的社区作为输入用于社区风险建模。的方法开发了使用GIS社区模型shapefile已详细信息等相关社区中每个建筑的建筑足迹,数量的故事,等。提供的建筑细节shapefile越多,生成的社会模型的分辨率越高。开发了一种算法,变换建筑为BIM模型所提供的信息对整个社区。然后,变成了一个国际金融公司扩展生成的几何作为输入用于风险建模。新BIM-GIS集成方法的应用之一是使用生成的三维社区模型作为一个数字输入风洞运行CFD分析,占社区范围内的空气动力干扰。数字风洞分析的输出显示是多么重要的占空气动力学干扰在社区范围内,这将如何影响整个社区风速。它还表明,掩蔽效应可能会改变风压力背后的建筑位于海岸线附近的其他建筑。数字风洞允许详细的风压力在建筑物内每个组件可用于分析组件级别的破坏。
对于未来的研究,新BIM-GIS集成模型也可以用于开发几何研究固耦合等其他危险的洪水和海啸。社区范围内的空气动力干扰模型的输出可以作为输入使用高分辨率风损分析计算在建筑层面风压力。这将为社区规模提供更多的精度损失评估是风险和弹性分析的关键。这项工作还可以用来开发高保真时间wind-born碎片模型跟踪后的体积产生的碎片损坏的建筑物。同样,这个模型可以更好地跟踪wind-rainfall入侵准确捕捉入口水量的变化随着时间的推移损害国家的建筑。最后,这种新方法被认为代表了新一代的高分辨率风风险模型,可以更好地跟踪建筑破坏,从而更好的以反应为决策。
数据可用性声明
原始的贡献提出了研究中都包含在这篇文章/辅料,可以针对相应的作者进一步询问。
作者的贡献
建造这个工作的概念,制定了的想法,进行了整体分析企业的监督下,写这个手稿的初始版本,被企业进一步细化和编辑。阿兹帮助构建BIM发电机。所有作者已阅读及同意发布版本的手稿。
资金
这个工作吸引了来自几个不同的项目的组件。作者承认数据集对墨西哥海滩,FL,收集的美国国土安全部(DHS)沿海韧性卓越中心的项目总部在北卡罗莱纳大学教堂山分校基金提供给科罗拉多州立大学。分析本身是通过哈罗德·h·短赋予椅子基金资助在科罗拉多州立大学。本文提供的工作完全是作者和不是的赞助商。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
引用
Abdelfatah, N。Elawady,。欧文,P。,and Chowdhury, A. G. (2022). Experimental investigation of wind impact on low-rise elevated residences.Eng。结构体。257年,114096年。doi: 10.1016 / j.engstruct.2022.114096
Abdelfatah, N。Elawady,。欧文,P。,and Chowdhury, A. G. (2020). “Wind effects on coastal elevated structures,” in9日国际讨论会钝体空气动力学和应用程序(英国:伯明翰大学)。
Abdelhady a U。,Spence, S. M. J., and McCormick, J. (2020). A framework for the probabilistic quantification of the resilience of communities to hurricane winds.j .风Eng。工业空气动力学206年,104376年。doi: 10.1016 / j.jweia.2020.104376
Abdelhady a U。,Spence, S. M. J., and McCormick, J. (2021). Risk and fragility assessment of residential wooden buildings subject to hurricane winds.结构体。Saf。94年,102137年。doi: 10.1016 / j.strusafe.2021.102137
Amini, M。,and Memari, A. M. (2021). CFD-based evaluation of elevated coastal residential buildings under hurricane wind loads.j . Archit。Eng。27日,4021014。doi: 10.1061 /(第3期)ae.1943 - 5568.0000472
Amini, M。,and Memari, A. M. (2020). Review of literature on performance of coastal residential buildings under hurricane conditions and lessons learned.j .表演。若干。Facil。34岁,4020102。doi: 10.1061 /(第3期)cf.1943 - 5509.0001509
Amirebrahimi, S。Rajabifard,。Mendis, P。,and Ngo, T. (2016). A framework for a microscale flood damage assessment and visualization for a building using BIM–GIS integration.Int。j .数字。地球9日,363 - 386。doi: 10.1080 / 17538947.2015.1034201
亲爱的,r·w·r . (1991)。估算概率飓风的风速使用大规模的经验模型。j .爬。4,1035 - 1046。1520 - 0442 . doi: 10.1175 / (1991) 004 < 1035: epohws > 2.0.co; 2
De Risi R。,Jalayer, F., De Paola, F., Iervolino, I., Giugni, M., Topa, M. E., et al. (2013). Flood risk assessment for informal settlements.Nat.危害69年,1003 - 1032。doi: 10.1007 / s11069 - 013 - 0749 - 0
迪亚基特,A。,and Zlatanova, S. (2020). Automatic geo-referencing of BIM in GIS environments using building footprints.第一版。环绕。城市系统。80年,101453年。doi: 10.1016 / j.compenvurbsys.2019.101453
Dlubal (2021)。Rwind。可以在:https://www.dlubal.com/en/products/stand-alone-structural-analysis-software/rwind。
Dlubal (2022)。RWIND验证的例子。可以在:https://www.dlubal.com/en-US/downloads-and-information/examples-and-tutorials/verification-examples/000306。
杜,Y。,Mak, C. M., and Tang, B. (2018). “Effects of building height and porosity on pedestrian level wind comfort in a high-density urban built environment,” in建筑模拟(施普林格),1215 - 1228。doi: 10.1007 / s12273 - 018 - 0451 - y
El Meouche R。Rezoug, M。,and Hijazi, I. (2013). Integrating and managing BIM in GIS, software review.Int,拱。Photogramm。远程参议员口角。正,科学。2,W2。
伊曼纽尔,K。,Ravela, S., Vivant, E., and Risi, C. (2006). A statistical deterministic approach to hurricane risk assessment.公牛。点。Meteorol。Soc。87年,299 - 314。doi: 10.1175 / bams - 87 3 - 299
大厅,t . M。,and Jewson, S. (2007). Statistical modelling of North Atlantic tropical cyclone tracks.忒勒斯达因。Meteorol。Oceanogr。59岁,486 - 498。doi: 10.1111 / j.1600-0870.2007.00240.x
荷兰,g . j . (1980)。风和压力资料的分析模型飓风。星期一,天气牧师。108年,1212 - 1218。1520 - 0493 . doi: 10.1175 / (1980) 108 < 1212: aamotw > 2.0.co; 2
Khajwal, a, B。,and Noshadravan, A. (2020). Probabilistic hurricane wind-induced loss model for risk assessment on a regional scale.ASCE-ASME j .不确定的风险。Eng。系统。一个文明的一部分。Eng。6、4020020。doi: 10.1061 / AJRUA6.0001062
Koliou, M。,Masoomi, H。,and van de Lindt, J. W. (2017). Performance assessment of tilt-up big-box buildings subjected to extreme hazards: Tornadoes and earthquakes.j .表演。若干。Facil。31日,4017060。doi: 10.1061 /(第3期)cf.1943 - 5509.0001059
李,Y。,and Ellingwood, B. R. (2006). Hurricane damage to residential construction in the US: Importance of uncertainty modeling in risk assessment.Eng。结构体。28日,1009 - 1018。doi: 10.1016 / j.engstruct.2005.11.005
刘,f . Q。,and Pang, W. C. (2011). “Development and calibration of central pressure decay models for hurricane simulation,” inProc, 11日int。相依在土木工程的应用统计和概率。
刘,S。,Pan, W., Zhao, X., Zhang, H., Cheng, X., Long, Z., et al. (2018). Influence of surrounding buildings on wind flow around a building predicted by CFD simulations.构建。环绕。140年,1 - 10。doi: 10.1016 / j.buildenv.2018.05.011
Masoomi, H。,Ameri, M. R., and van de Lindt, J. W. (2018). Wind performance enhancement strategies for residential wood-frame buildings.j .表演。若干。Facil。32岁,4018024。doi: 10.1061 /(第3期)cf.1943 - 5509.0001172
Masoomi, H。,van de Lindt, J. W., Ameri, M. R., Do, T. Q., and Webb, B. M. (2019). Combined wind-wave-surge hurricane-induced damage prediction for buildings.j . Struct。Eng。145年,4018227。doi: 10.1061 / st.1943 - 541 x.0002241(第3期)
Masoomi, H。,and van de Lindt, J. W. (2016). Tornado fragility and risk assessment of an archetype masonry school building.Eng。结构体。128年,26-43。doi: 10.1016 / j.engstruct.2016.09.030
Massarra, C . C。,Friedland, C. J., Marx, B. D., and Dietrich, J. C. (2020). Multihazard hurricane fragility model for wood structure homes considering hazard parameters and building attributes interaction.前面。建立环境。6。doi: 10.3389 / fbuil.2020.00147
Mishra, S。,Vanli, O. A., Alduse, B. P., and Jung, S. (2017). Hurricane loss estimation in wood-frame buildings using Bayesian model updating: Assessing uncertainty in fragility and reliability analyses.Eng。结构体。135年,81 - 94。doi: 10.1016 / j.engstruct.2016.12.063
Nofal, o . m . (2021)。高分辨率多种灾害的方法量化hurricane-induced沿海和内陆社区风险。可以在:https://ezproxy2.library.colostate.edu/login?url=https: / /www.proquest.com/dissertations-theses/high-resolution-multi-hazard-approach-quantify/docview/2573329058/se-2?accountid=10223。
Nofal, o . M。,Lindtvan de, J. W., Do, T. Q., Yan, G., Hamideh, S., Cox, D. T., et al. (2021a). Methodology for regional multi-hazard hurricane damage and risk assessment.j . Struct。Eng。147年,0003144。doi: 10.1061 / st.1943 - 541 x.0003144(第3期)
Nofal, o . m . (2020)。随机建模不确定性的住宅使用不同的随机风荷载压力的技巧。咕咕叫。文明的发展趋势。结构体。Eng。6。doi: 10.33552 / CTCSE.2020.06.000636
Nofal, o . M。,and van de Lindt, J. W. (2020). High-resolution approach to quantify the impact of building-level flood risk mitigation and adaptation measures on flood losses at the community-level.Int。j .导出灾害风险。51,101903年。doi: 10.1016 / j.ijdrr.2020.101903
Nofal, o . M。,and van de Lindt, J. W. (2021). High-resolution flood risk approach to quantify the impact of policy change on flood losses at community-level.Int。j .导出灾害风险。62年,102429年。doi: 10.1016 / j.ijdrr.2021.102429
Nofal, o . M。,van de Lindt, J. W., Yan, G., Hamideh, S., and Dietrich, J. C. (2021b). “Multi-hazard hurricane vulnerability model to enable resilence-informed decision,” in国际结构工程和建筑学报》(ISEC-11)。编辑巴拉迪,寄居于米甸,a·辛格(manmohan Singh)和美国Yazdani。(埃及开罗)。doi: 10.14455 / ISEC.2021.8 (1) .RAD-01
Pinelli, j。皮塔饼,G。,Gurley, K., Torkian, B., Hamid, S., and Subramanian, C. (2011). Damage characterization: Application to Florida public hurricane loss model.牧师Nat。危害。12日,190 - 195。doi: 10.1061 /(第3期)nh.1527 - 6996.0000051
皮塔饼,G。,Pinelli, j。、Cocke年代。,Gurley, K., Mitrani-Reiser, J., Weekes, J., et al. (2012). Assessment of hurricane-induced internal damage to low-rise buildings in the Florida Public Hurricane Loss Model.j .风Eng。工业空气动力学104年,76 - 87。doi: 10.1016 / j.jweia.2012.03.023
皮塔饼,G。,Pinelli, j。•格利,K。,and Mitrani-Reiser, J. (2015). State of the art of hurricane vulnerability estimation methods: A review.牧师Nat。危害。16日,4014022。doi: 10.1061 /(第3期)nh.1527 - 6996.0000153
任,H。,Laima, S., Chen, W.-L., Zhang, B., Guo, A., and Li, H. (2018). Numerical simulation and prediction of spatial wind field under complex terrain.j .风Eng。工业空气动力学180年,49 - 65。doi: 10.1016 / j.jweia.2018.07.012
RMS:穆迪分析公司(2018)。飓风Michael实地勘查:对比的性能结构在设计风速。可以在:https://www.rms.com/雷竞技公司blog/2018/10/24/hurricane-michael-field-reconnaissance-contrasting-performance-of-structures-at-design-wind-speeds。
舒尔曼,L . L。,and DesAutels, C. G. (2013). “Computational fluid dynamics simulations to predict wind-induced damage to a steel building during Hurricane Katrina,” in法医工程2012:通向一个更安全的明天,793 - 800。doi: 10.1061/9780784412640.084
维克瑞,p . J。,Masters, F. J., Powell, M. D., and Wadhera, D. (2009). Hurricane hazard modeling: The past, present, and future.j .风Eng。工业空气动力学97年,392 - 405。doi: 10.1016 / j.jweia.2009.05.005
维克瑞,p . J。,Skerlj, P. F., and Twisdale, L. A. (2000). Simulation of hurricane risk in the US using empirical track model.j . Struct。Eng。126年,1222 - 1237。doi: 10.1061 /(第3期)0733 - 9445 (2000)126:10 (1222)
维克瑞,p . J。,and Twisdale, L. A. (1995). Wind-field and filling models for hurricane wind-speed predictions.j . Struct。Eng。121年,1700 - 1709。doi: 10.1061 /(第3期)0733 - 9445 (1995)121:11 (1700)
Vijayan, L。黄,W。阴,K。,Ozguven, E., Burns, S., and Ghorbanzadeh, M. (2021). Evaluation of parametric wind models for more accurate modeling of storm surge: A case study of hurricane Michael.Nat。危害106年,2003 - 2024。doi: 10.1007 / s11069 - 021 - 04525 - y
王,W。,Van De Lindt, J. W., Rosenheim, N., Cutler, H., Hartman, B., Sung Lee, J., et al. (2021). Effect of residential building wind retrofits on social and economic community-level resilience metrics.j . Infrastruct。系统。27日,4021034。doi: 10.1061 / is.1943 - 555 x.0000642(第3期)
Wenz F。,Langner, J., Lutz, T., and Krämer, E. (2021). Impact of the wind field at the complex terrain site Perdigão on the surface pressure fluctuations of a wind turbine.风能科学。讨论。,1-33。doi: 10.5194 /韦斯- 2021 - 101
Wiren, b . g . (1983)。周围建筑物对风压分布的影响和通风的热损失为独栋的房子。j .风Eng。工业空气动力学15日,15-26。0167 - 6105 . doi: 10.1016 / (83) 90173 - 3
关键词:风风险建模、飓风风力建模、CFD建模、基层空气动力学建模、建筑信息建模、社会适应力
引用:Nofal OM, van de林德JW, Zakzouk (2022) BIM-GIS高保真风风险建模集成方法在基层。前面。建立环境。8:915209。doi: 10.3389 / fbuil.2022.915209
收到:07年4月2022;接受:2022年10月18日;
发表:2022年11月02。
编辑:
科特斯罗伯特•格利美国佛罗里达大学版权©2022 Nofal van de林德Zakzouk。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:奥马尔·m·Nofalomar.nofal@fiu.edu