Выявление зависимости между аэродинамическими условиями и конфигурацией одиночного здания

Бесплатный доступ

В данной работе проведено исследование влияния одного здания на ветровой режим при изменении этажности, угла размещения относительно преобладающего потока и размеров здания в плане, с применением математического моделирования. Проанализированы работы, описывающие аэродинамику зданий, форму и структуру потока ветра. Рассмотрены действующие отечественные и зарубежные нормативы, регулирующие ветровой режим в городской застройке. Аэродинамические условия описываются размерами ветровой тени и области отрицательного давления. Проведен корреляционно-регрессионный анализ и получены уравнения, описывающие каждую из аэродинамических характеристик. Выявленные зависимости помогли определить наиболее оптимальную конфигурацию здания, способствующую продуваемости и улучшению качества атмосферного воздуха с учетом ветрового режима города Красноярска.

Еще

Аэродинамика здания, математическое моделирование, ветровой комфорт, корреляционно-регрессионный анализ

Короткий адрес: https://sciup.org/146282712

IDR: 146282712

Текст научной статьи Выявление зависимости между аэродинамическими условиями и конфигурацией одиночного здания

Цитирование: Вдовина Е. В. Выявление зависимости между аэродинамическими условиями и конфигурацией одиночного здания / Е. В. Вдовина, С. С. Добросмыслов. Журн. Сиб. федер. ун-та. Техника и технологии, 2023, 16(5). С. 619–634. EDN: GRDMNA следовании Поддаевой О. И., где приведена методология проведения эксперимента и сравнение с расчетными аэродинамическими коэффициентами [4].

Наиболее распространен третий метод исследований – математический, с использованием программных комплексов. Для задач аэродинамики рассматриваются ламинарный и турбулентный потоки, с решением уравнений Навье-Стокса и Рейнольдса. Данную задачу можно решить в разных программных комплексах, таких как: Autodesk Flow Design [5, 6], ANSYS [7, 8, 9], SigmaFlow [1], ENVI-met [10,11] и Star-CCm+ [12].

По объекту исследования работы в данной области можно разделить на изучение одиночных зданий и квартальной застройки. Одиночные здания рассматриваются при вариации одного из параметров: геометрических размеров [6], высоты здания [5], угла поворота относительно преобладающего потока [4], а далее выявляются изменения ветрового давления, аэродинамических коэффициентов и формы, структуры потока.

Квартальные застройки рассматриваются или уже для существующих кварталов [1, 7, 10, 12] для выведения рекомендаций по улучшению экологической безопасности, или изучаются элементарные модели застроек для выявления аэродинамических закономерностей [9, 11].

Стоит отметить, что при проектировании квартала для установления расстояния между объектами руководствуются требованиями инсоляции и пожаробезопасности. К сожалению, упоминание о ветровом комфорте в отечественной нормативной литературе отсутствует. В зарубежных нормативах расчет ветрового комфорта обязателен при проектировании кварталов в Европейских странах, Японии и Америке. В Нидерландах приняты немецкие нормы NEN 8100, в Америке используются нормы, основанные на исследованиях Т. В. Лоусона, а в Японии используются нормы, разработанные А.Ф.Е Вайсом и А. Д. Пендварденом. Их объединяют значения, что при скорости ветра более 5 м/с ветровой комфорт не обеспечивается. Нижняя граница варьируется от 0,4–2,5 м/с [8].

В промышленном городе Красноярске, в силу географических особенностей и плотной застройки города, наблюдаются низкие скорости ветра и, как следствие, регулярное превышение уровня предельно допустимых концентраций (ПДК). Экологическую проблему качества атмосферного воздуха требуется решать комплексно, поэтому со стороны строительной сферы требуется подобрать оптимальную конфигурацию зданий, которая бы обеспечила наилучшие аэродинамические условия.

Целью исследования являлось установление зависимости между аэродинамическими условиями, которые описываются областью отрицательного давления, и областью низких скоростей ветра, а именно потоков со скоростью менее 1,2 м/с. Требовалось установить приоритетность факторов на формирование зон застоя, найти корреляционную связь между оценочными характеристиками и подобрать оптимальные значения параметров здания в условиях ветрового режима г. Красноярска.

Методология исследования

В качестве объекта исследования было выбрано одиночное здание как элементарная единица застройки. В ходе исследования изменялись следующие параметры:

– Этажность (9–14–18–25 этажей);

– Угол поворота здания относительно потока (0˚– 30˚ – 45˚ – 60˚ – 90˚);

– Ширина здания (12–15–18–21 м);

– Длина здания, которая варьируется от длины секции (30–60–90 м).

Исследования велись с применением математического моделирования с использованием программного комплекса COMSOL Multiphysics, который выполняет расчеты, основанные на уравнении массопереноса методом конечных элементов.

Для корреляционно-регрессионного анализа полученных данных применяется программа Statistica SR. Данный софт позволяет вывести уравнение регрессии и коррелировать полученные зависимости в поисках оптимальных параметров жилой застройки.

Математическая модель

Ветровой поток рассматривается как движение несжимаемой жидкости и описывается системой дифференциальных уравнений Навье-Стокса.

Общий вид уравнения Навье-Стокса (1):

р(и ■ V)u = V[— pl + (77 + pT)(Vu + (Vu)T)] + F, Vu = 0.

Решение уравнения Навье-Стокса осуществлялось в рамках приближения k-έ (2):

puVk = V[j] + C'l7aT)Vk\ + т7т^(Ю - P£.

РИМЕ = V (т? + 'VdJ^ +---7---7— к         к

Уи

р(и) = (vTTTw): Чг = pCllk2,E'

где p - давление, Pa; F - поле внешних сил; е - энергия, Дж; Н/м3; к - кинетическая энергия объема, Дж/м3; C, g - коэффициент, учитывающий диффузию энергии; п, П г - динамическая и турбулентная вязкость, Па ∙ c;

Математическая модель турбулентного движения воздуха реализована в программном комплексе COMSOL Multiphysics со следующими исходными данными:

– Общие размеры модели АхВхН = 200х200х200 м;

  • –    Размер сетки – нормальный;

  • –    Скорость ветра = 2,5 м/с – среднегодовая скорость ветра в г. Красноярске;

  • –    Используемые материалы: воздух, ячеистый бетон;

  • –    Тип расчета – стационарный.

Анализ результатов исследования

Выполнен расчет 180 вариаций моделей одиночного здания следующих площадей: 30х12 м, 30х15 м, 30х18 м, 30х21 м, 60х12 м, 60х15 м, 60х18 м, 60х21 м, 90х18 м. Для каждого варианта площади было 4 варианта высоты здания и 5 вариантов угла поворота. Для определения ветровой тени выводился объем области скорости ветра менее 1,2 м/с, что соответствует 1 баллу по шкале Бофорта. Для определения аэродинамической тени выводился объем зоны отрицательного давления (p <0). Графические результаты моделирования представлены на рис. 1–4.

Рис. 1. Область низких скоростей ветра при изменении угла поворота здания с площадью S =30х18 м и высотой H = 27 м, м/с

Fig. 1 – Low-speed velocity field at different angles of rotation for a single building with an area of S = 30x18 m and a height of H = 27 m, m/s

Рис. 2. Область отрицательного давления за зданием с площадью S = 30х18 м и высотой H =27 м, Па

Fig. 2. Negative pressure area behind a single building with S = 30x18 m and a height of H = 27 m, Pa

Рис. 3. Графические результаты одиночного здания площадью S = 30x18 м и α=45⁰

Fig. 3. Graphical results of a single building with an area of S = 30x18 m and α=45⁰

Рис. 4. Графические результаты одиночного здания шириной В=18м, высотой Н=42м и α=90⁰

Fig. 4. Graphical results of a single building with width B=18m, height H=42m and α=90⁰

На качественном уровне наблюдается тенденция увеличения каждой характеристики зоны застоя с увеличением высоты здания и угла поворота. На данном этапе анализа отмечается, что отношение области низких скоростей ветра к области отрицательного давления варьируется от 0,13–0,24.

Корреляционно-регрессионный анализ

Для получения математического выражения размеров зоны застоя от параметров одиночного здания применен корреляционно-регрессионный анализ. Для многофакторной корреляционной модели объема области низких скоростей ветра ( у ) подобраны следующие факторы, которые оказывают наиболее существенное влияние на ее уровень: А ( x 1) – длина здания, м; В ( x 2) – ширина здания, м; Н ( x 3) – высота здания, м; α ( x 4) – угол поворота относительно преобладающего потока, ˚. Данные факторы не имеют функциональной связи. Произведем отбор влиятельных значений, представленный на рис. 5.

Путем визуального анализа ранжированного ряда значения не имеют существенного отклонения, следовательно, соответствуют закону нормального распределения.

Рис. 5. Анализ влиятельных значений области низких скоростей ветра от высоты здания

Fig. 5. Analysis of the influential values of the low-speed velocity field from the height of the building

В данном случае трудно обосновать форму зависимости между результативными и факторными показателями, поэтому рассматривалось три вида линейной регрессии: множественная, факторная и полиномная [13, 14]. В табл. 1 представлены результаты проверки гипотезы об адекватности модели для области низких скоростей ветра.

Все модели имеют весьма высокие коэффициенты корреляции и детерминации. Наиточнейшие показатели у факторной модели, но есть неудобство в виде 15 степеней свободы дисперсии. Так как объемная формула затруднит расчет, а разница между множественной и по-линомной моделями незначительна, предпочтение отдано множественной модели регрессии. Тогда запись зависимости имеет следующий вид:

у = b 0 + b 1 ∙ х 1 + b 2 ∙ х 2 + b 3 ∙ х 3 + b 4 ∙ х 4 , (3) где выборочные коэффициенты b 0 , b 1 , b 2 , b 3 , b 4 – это оценки соответствующих коэффициентов уравнения регрессии, характеризующего всю генеральную совокупность.

Для описания влияния факторных признаков на размер ветровой тени построена регрессионная модель. Используя программу Statistica, проведем дисперсный анализ, выведем коэффициенты регрессии, а для определения значимости и приоритетности факторов выведем коэффициенты корреляции.

Анализируя показатели регрессионной статистики, можно сделать вывод, что нескорректированный коэффициент множественной детерминации и множественный коэффициент корреляции указывают на высокую (более 85 %) предопределенность результата Y в построенной регрессионной модели рассматриваемыми факторными признаками. Показатели дисперсионного анализа представлены в табл. 3.

Таблица 1. Проверка гипотезы об адекватности модели области низких скоростей ветра

Table 1. Testing the hypothesis of the adequacy of the model of the low-speed velocity field

Вид регрессии

Множественный R

R-квадрат

Скорректированный R-квадрат

df

F

p

Множественная

0,9053

0,8196

0,8155

4

198

0,00

Факторная

0,9898

0,9798

0,9779

15

530

0,00

Полиномная

0,9081

0,8247

0,8165

8

100

0,00

Таблица 2. Показатели регрессионной статистики для области низких скоростей ветра

Table 2. Regression statistics indicators for the low-speed velocity field

Показатель

Значение показателя

Множественный R

0,9053

R-квадрат

0,8197

Скорректированный R-квадрат

0,8155

Стандартная ошибка оценки

7925933 ∙ 106

Наблюдения

180

Таблица 3. Показатели дисперсионного анализа для области низких скоростей ветра

Table 3. Indicators of variance analysis for the low-speed velocity field

Показатель

Степени свободы

Сумма квадратов

Средний квадрат

F

F кр

Значимость

Регрессия

4

7925933 ∙ 106

1981483 ∙ 106

198,83

5,63

0,00

Остаток

175

1743939 ∙ 106

9965366 ∙ 103

Всего

179

9669872 ∙ 106

Анализируя показатели дисперсионного анализа, можно сделать вывод о том, что уравнение множественной регрессии и коэффициент множественной детерминации статистически значимы, что подтверждено F-критерием Фишера, так как F ф > Fкр. Показатели регрессионного и корреляционного анализов приведены в табл. 4 и 5.

Таблица 4. Показатели регрессионного анализа для области низких скоростей ветра

Table 4. Regression analysis indicators for the low-speed velocity field

Фактор

Коэффициенты B

Стандартная ошибка

t-статистика

P-значение

Y-пересечение

-537195

48374

-11,11

0,00

X 1

4399

374,07

11,76

0,00

X 2

4251

2339,97

1,82

0,07

X 3

7304

418,11

17,47

0,00

X 4

4590

248,02

18,51

0,00

Таблица 5. Корреляционный анализ для области низких скоростей ветра

Table 5. Correlation analysis for the low-speed velocity field

Фактор

А, м

В, м

Н, м

α, °

Vv, м3

А, м

1,000000

0,104257

0,000000

0,000000

0,385700

В, м

0,104257

1,000000

0,000000

0,000000

0,098216

Н, м

0,000000

0,000000

1,000000

-0,000000

0,560809

α, °

0,000000

0,000000

-0,000000

1,000000

0,594121

Vv, м3

0,385700

0,098216

0,560809

0,594121

1,000000

Анализируя показатели регрессионного анализа, можно сделать вывод, что величина, оценивающая агрегированное влияние прочих факторов на результативный показатель, и коэффициенты регрессии b1, b3, b4 статистически значимы, что подтверждается t-критерием Стьюдента, равным 2,776, а коэффициент регрессии b2 не удовлетворяет требованиям. Исходя из корреляционного анализа на область низких скоростей ветра наиболее значимым фактором является угол поворота относительно преобладающего потока, вторым по значимости – высота здания, третьим – длина здания. Фактор ширины здания не является статически значимым. Вероятность для рассматриваемых факторных признаков не превышает принятый уровень, что подтверждается показателем вероятности случайных значений параметров регрессии. Уравнение множественной регрессии области низких скоростей ветра имеет вид у = –537195 + 4399 ∙ А + 7304 ∙ Н + 4590 ∙ α. (4)

Для многофакторной корреляционной модели объема отрицательного давления ( у ) подобраны те же факторы, что и области низких скоростей ветра. Произведем отбор влиятельных значений, представленный на рис. 6.

Рис. 6. Анализ влиятельных значений области отрицательного давления от высоты здания

Fig. 6. Analysis of the influential values of the negative pressure area from the height of the building

Таблица 6. Проверка гипотезы об адекватности модели области отрицательного давления

Table 6. Testing the hypothesis of the adequacy of the model of the negative pressure area

Вид регрессии

Множественный R

R-квадрат

Скорректированный R-квадрат

df

F

p

Множественная

0,8939

0,7990

0,7944

4

173

0,00

Факторная

0,9230

0,8520

0,8384

15

63

0,00

Полиномная

0,9251

0,8559

0,8491

8

126

0,00

В табл. 6 представлены результаты проверки гипотезы адекватности модели для области отрицательного давления.

Для модели области отрицательного давления выбрана полиномная модель, так как у нее самые высокие показатели коэффициентов. Тогда запись зависимости имеет следующий вид (5):

у = b 0 + b 1 ∙ х 1 + b 2 ∙ х 1 2 + b 3 ∙ х 2 + b 4 ∙ х 2 2 + b 5 ∙ х 3 +

+ b 6 ∙ х 3 2 + b 7 ∙ х 4 + b 8 ∙ х 4 2,                                                            (5)

где выборочные коэффициенты b 0 , b 1 , b 2 , b 3 , b 4, b 5 , b 6 , b 7 , b 8 – это оценки соответствующих коэффициентов уравнения регрессии.

Для описания влияния факторных признаков на размер области отрицательного давления построена регрессионная модель.

Нескорректированный коэффициент множественной детерминации и множественный коэффициент корреляции указывают на высокую (более 85 %) предопределенность результата Y в построенной регрессионной модели рассматриваемыми факторными признаками. Показатели дисперсионного анализа для модели области отрицательного давления представлены в табл. 8.

Следовательно, уравнение множественной регрессии и коэффициент множественной детерминации статистически значимы, что подтверждено F-критерием Фишера [13], так как F ф > Fкр. Показатели регрессионного и корреляционного анализов приведены в табл. 9 и 10.

Анализируя показатели регрессионного анализа, можно сделать вывод, что коэффициенты регрессии b1, b2, b5, b6, b7, b8 статистически значимы, что подтверждается t-критерием Стьюдента, а коэффициенты регрессии b 3, b 4 не удовлетворяют требованиям. Исходя из корреляционного анализа на область низких скоростей ветра наиболее влиятельным фактором служит

Таблица 7. Показатели регрессионной статистики для области отрицательного давления

Table 7. Regression statistics indicators for the negative pressure area

Показатель

Значение показателя

Множественный R

0,9251

R-квадрат

0,8559

Скорректированный R-квадрат

0,8491

Стандартная ошибка оценки

6632471 ∙ 107

Наблюдения

180

Таблица 8. Показатели дисперсионного анализа для области отрицательного давления

Table 8. Indicators of variance analysis for the negative pressure area

Показатель

Степени свободы

Сумма квадратов

Средний квадрат

F

F кр

Значимость

Регрессия

8

6632471 ∙ 107

8290589 ∙ 106

126,9

5,63

0,00

Остаток

171

1117027 ∙ 107

6532323 ∙ 104

Всего

179

7749498 ∙ 106

Таблица 9. Показатели регрессионного анализа для области отрицательного давления

Table 9. Regression analysis indicators for the negative pressure area

Фактор

Коэффициенты B

Стандартная ошибка

t-статистика

P-значение

Y-пересечение

-2647220

655764

-4,036

<0,001

X 1

33712

5438

6,198

0,000

X 2

-235

49,2

-4,781

<0,001

X 3

89407

74332,1

1,203

0,231

X 4

-1919

2245,1

-0,855

0,394

X 5

40515

7598,8

5,332

0,000

X 6

-167

73,5

-2,869

0,025

X 7

23949

1964,6

12,190

0,000

X 8

-130

20,7

-6,274

0,000

Таблица 10. Корреляционный анализ для области отрицательного давления

Table 10. Correlation analysis for the negative pressure area

Фактор А, м А2, м2 В, м В2, м2 Н, м Н2, м2 α, ° α2 Vр, м3 А, м 1,000 0,984 0,104 0,085 0,000 -0,000 0,000 0,000 0,258 А2, м2 0,984 1,000 0,121 0,099 0,000 -0,000 0,000 0,000 0,232 В, м 0,104 0,121 1,000 0,996 0,000 -0,000 0,000 0,000 0,138 В2, м2 0,085 0,099 0,996 1,000 0,000 -0,000 0,000 0,000 0,134 Н, м 0,000 0,000 0,000 0,000 1,000 0,990 -0,000 -0,000 0,636 Н2, м2 -0,000 -0,000 -0,000 -0,000 0,990 1,000 -0,000 -0,000 0,620 α, ° 0,000 0,000 0,000 0,000 -0,000 -0,000 1,000 0,946 0,562 α2 0,000 0,000 0,000 0,000 -0,000 -0,000 0,946 1,000 0,473 Vр, м3 0,258 0,232 0,138 0,134 0,636 0,620 0,562 0,473 1,000 высота здания, вторым по значимости является угол поворота, третьим – длина здания. Фактор ширины здания не является статически значимым. Вероятность для рассматриваемых факторных признаков не превышает принятый уровень, что подтверждается показателем вероятности случайных значений параметров регрессии.

Уравнение полиномной регрессии области отрицательного давления ветра имеет вид у = –2647220 + 33716 ∙ А – 235 ∙ А2 + 40545 ∙ Н –

– 167 ∙ Н2 + 23949 ∙ α – 130 ∙ α2.                                                (6)

Вывод оптимальных параметров здания

На рис. 7 отображены результаты корреляционно-регрессионного анализа и подобраны оптимальные параметры здания по области низких скоростей ветра.

При анализе профилей желательности выявлено, что наиболее оптимальный вариант относительно размера области низких скоростей ветра – одиночное здание площадью 30х18 м, высотой в 8 этажей, расположенное под углом 0˚ к преобладающему потоку, в условиях ветрового режима г. Красноярска.

Стоит отметить, что при высоте здания в 3–8 этажей показатели области низких скоростей ветра практически не изменны, далее наблюдается резкий рост значений. Оптимальная ширина здания варьируется от 12 до 18 м. При увеличении высоты и угла поворота здания размеры нежелательной ветровой тени также увеличиваются. На рис. 8 представлены профили относительно области отрицательного давления.

Основываясь на профилях прогнозируемых значений для области отрицательного значения, можно утверждать, что наиболее влиятельный фактор для зоны отрицательного давления – этажность здания. Чем ниже здание, тем меньше зона застоя. Зависимости параметров имеют криволинейный характер, в отличие от зависимостей области низких скоростей ветра, в силу формы уравнения регрессии. Относительно области отрицательного давления наиболее экологичной является трехэтажное здание площадью 30х15 м, расположенное под углом в 45˚ относительно преобладающего потока.

Profiles for Predicted Values and Desirability

Length fax m               VHd!h(b),m          HghtfH}, tn              Angle                      Desmrir/

25,6

Рис. 7. Профиль прогнозируемых значений и желательности для области низких скоростей ветра

Fig. 7. The profile of predicted values and desirability for the low-speed velocity field

Рис. 8. Профиль прогнозируемых значений и желательности для области отрицательного давления

Fig. 8. The profile of predicted values and desirability for the negative pressure area

Рис. 9. Профиль прогнозируемых значений и желательности для зоны застоя

Fig. 9. The profile of predicted values and desirability for the stagnation zone

При совмещении двух характеристик зоны застоя были получены следующие профили, представленные на рис. 9.

При визуальном анализе профилей прогнозируемых значений определено, что наиболее влиятельные параметры – высота и угол поворота здания, что не противоречит вышесказанным выводам.

Итак, в условиях ветрового режима города Красноярска наиболее экологичное объемнопланировочное решение для одиночного здания – здание высотой 9 м, площадью 30х18 м, под углом 22,5˚ к преобладающему потоку.

Выводы

По результатам проведенного исследования была выявлена зависимость между параметрами одиночного здания и аэродинамическими условиями, описанными в виде области недопустимо низких скоростей ветра и области отрицательного давления. Установлено соотношение между двумя характеристиками. Полученные уравнения регрессии являются статистически значимыми, следовательно, могут применяться на практике с целью подбора наиболее экологичных объемно-планировочных решений здания на предпроектной стадии согласования. Определено, что наиболее влиятельными параметрами на зону застоя считаются высота здания и угол его поворота относительно преобладающего потока. Полученные оптимальные параметры здания констатируют, что для улучшения экологической обстановки в городе Красноярске следует снизить этажность до 3–8 этажей и тщательней продумывать расположение здания в плане.

Список литературы Выявление зависимости между аэродинамическими условиями и конфигурацией одиночного здания

  • Мешкова В. Д., Дектерев А. А., Филимонов С. А., Литвинцев К. Ю. SigmaFlow как инструмент исследования ветрового комфорта в условиях городской среды. Журнал СФУ. Техника и технологии, 2022, 15(4), 490-504 [Meshkova V. D., Degtyarev A. A., Filimonov S. A., Litvintsev K. Yu. SigmaFlow as a Tool for Studying Wind Comfort in Urban Environment, J. Sib. Fed. Univ. Eng. technol, 2022, 15(4), 490-504 (in Russian)]
  • Гагарин В. Г., Гувернюк С. В., Леденев П. В. Аэродинамические характеристики зданий для расчета ветрового воздействия на ограждающие конструкции. Жилищное строительство. Высотное строительство, 2010, 1(2), 7-10 [Gagarin V. G., Guvernyuk S. V., Ledenev P. V. Aerodynamic characteristics of buildings for calculating wind impact on enclosing structures. Housing construction. High-rise construction, 2010, 1(2), 7-10 (in Russian)]
  • Mikhailuta S. V., Lezhenin A. A., Pitt A., Taseiko O. V. Urban wind fields: Phenomena in transformation. Urban Climate, 2016, 12(5), 1-19
  • Поддаева О. И., Буслаева Ю. С., Грибач Д. С. Экспериментальное исследование ветровых нагрузок на многофункциональный высотный жилой комплекс. Вестник БГТУ им. В. Г. Шухова, 2014, 6, 58-62 [Poddaeva O. I., Buslaeva Yu.S., Gribach D. S. Experimental study of wind loads on a multifunctional high-rise residential complex. Bulletin of V. G. Shukhov BSTU, 2014, 6, 58-62 (in Russian)]
  • Миронова Ю. В., Габдрахманова Л. М. Ветровые воздействия на существующие малоэтажные здания при размещении высотных и многоэтажных зданий в сложившейся застройке. Известия КГАСУ, 2019, 1, 147-154 [Mironova Yu.V., Gabdrakhmanova L. M. Wind impacts on existing low-rise buildings when placing high-rise and multi-storey buildings in the current development. Izvestiya KGASU, 2019, 1, 147-154 (in Russian)]
  • Куприянов В. Н., Альтапов С. Р. Моделирование ветровых воздействий изменением формы здания. Известия КГАСУ, 2016, 2, 100-104 [Kupriyanov V. N., Altapov S. R. Modeling of wind impacts by changing the shape of a building. Izvestiya KGASU, 2016, 2, 100-104 (in Russian)]
  • Туан Л. М., Шукуров И. С. Моделирование тепло-ветрового режима городской улицы в г. Ханое. Вестник МГСУ, 2020, 15(3), 369-379 [Tuan L. M., Shukurov I. S. Modeling of the heat-wind regime of a city street in Hanoi. Bulletin of MGSU, 2020, 15(3), 369-379 (in Russian)]
  • Дорошенко А. В. Программа оценки аэродинамической комфортности в пешеходных зонах. Вестник ИрГТУ, 2013, 5, 100-103 [Doroshenko A. V. Aerodynamic comfort assessment program in pedestrian zones. Bulletin of IrSTU, 2013, 5, 100-103 (in Russian)]
  • Оленьков В. Д., Колмогорова А. О., Сапогова А. Е. Компьютерное моделирование аэрационного режима жилой застройки с целью проветривания и ветрозащиты. Вестник ЮУрГУ. Строительство и архитектура, 2021, 21(1), 5-12 [Olenkov V. D., Kolmogorova A. O., Sapogova A. E. Computer simulation of the aeration regime of residential buildings for the purpose of ventilation and wind protection. Bulletin of SUSU. Construction and Architecture, 2021, 21(1), 5-12 (in Russian)]
  • Орлов А. А. Климатическое зонирование придомовых территорий. Использование программного комплекса. ВЕСТНИК НАУКИ, 2020, 2, (3), 81-94 [Orlov A. A. Climatic zoning of adjacent territories. use of the software package. BULLETIN OF SCIENCE, 2020, 2, (3), 81-94 (in Russian)]
  • Мягков М. С., Алексеева Л. И. Особенности ветрового режима типовых форм городской застройки. AVIT, 2014, 1(26), 1-15[Myagkov M. S., Alekseeva L. I. Features of the wind regime of typical forms of urban development. AVIT, 2014, 1(26), 1-15 (in Russian)]
  • Иванова Ю. В., Куц Е. В., Кадокова С. Ю. Метод моделирования ветрового воздействия на здание общественного назначения. Инженерный вестник Дона, 2022, 12, 1-11 [Ivanova Yu.V., Kutz E. V., Kondakova S. Yu. Method of modeling wind impact on a public building. Engineering Bulletin of the Don, 2022, 12, 1-11 (in Russian)]
  • Большакова Л. В., Литвиненко А. Н. Методика применения статистического пакета анализа для проведения корреляционно-регрессионного анализа в ходе экономических исследований. Вестник экономической безопасности, 2021, 3, 259-265 [Bolshakova L. V., Litvinenko A. N. Methodology of application of statistical analysis package for correlation and regression analysis in the course of economic research. Bulletin of Economic Security, 2021, 3, 259265 (in Russian)]
  • Яроменко Н. Н., Бубенок Е. Д., Хахалева Е. А. Корреляционно-регрессионный анализ как способ прогнозирования экономического развития предприятия. Вестник Академии знаний, 2021, 44 (3), 249-252 [Yaremenko N. N., Bubenok E. D., Khakhaleva E. A. Correlation and regression analysis as a way of forecasting the economic development of an enterprise. Bulletin of the Academy of Knowledge, 2021, 44 (3), 249-252 (in Russian)]
Еще
Статья научная