基于实测数据确定建筑立面风驱雨系数

Determination of wind-driven rain coefficient for building facades based on measured data

摘要

建筑立面风驱雨强度是研究围护结构热湿传递过程的边界条件，而确定合理的建筑立面风驱雨系数能够实现对建筑立面风驱雨强度的快速计算。本研究在重庆、广州和上海三地进行了长期的风驱雨现场实测，分析了建筑立面风驱雨分布特性，确定了建筑立面风驱雨系数的取值，并讨论了测试误差。通过对各立面测试结果的综合平均，得到建筑立面风驱雨系数的推荐取值为0.14。测试结果还表明，建筑立面风驱雨分布并不完全符合“由下往上、由中间往两侧增加”的普遍认识，该不规则现象在单次降雨及长期测试中均存在。当前风驱雨现场实测方法仍存在难以避免的误差，需进一步优化测试方法以提高准确性。

Abstract

The wind-driven rain （WDR） intensity of building facades is the boundary condition for studying the hygrothermal transfer processes in building envelopes， and determining a reasonable WDR coefficient of building facades can enable rapid calculation of the WDR intensity. In this study， long-term field measurements of WDR were conducted in Chongqing， Guangzhou， and Shanghai to analyze the distribution characteristics of WDR， determine the value of the WDR coefficient of building facades， and discuss measurement errors. By taking the comprehensive average of the test results from each facade， the recommended value of the WDR coefficient for building facades is determined to be 0.14. The test results also show that the distribution of WDR on the building facade does not fully conform to the commonly recognized pattern of “increasing from bottom to top and from the center to the sides”. Such irregularities are observed in both individual rain events and long-term tests. Current field measurement methods for wind-driven rain still have unavoidable errors， and further optimization of the testing methods is needed to improve accuracy.

Graphical abstract

关键词

风驱雨 / 现场实测 / 风驱雨系数 / 风驱雨关系

Key words

wind-driven rain / field measurement / wind-driven rain coefficient / wind-driven rain relationship

作为建筑围护结构最主要的湿分来源之一，风驱雨是研究围护结构热湿传递不可忽略的因素^［1］。风驱雨是雨滴在下落过程中，由于受到风场的扰动，由竖直降落变为斜向降落的现象^［2-3］。当风驱雨落到建筑立面时，可能引发外墙脱落^［4］、霉菌滋生^［5］、径流污染^［6］以及恶化室内空气质量^［7］等一系列问题。

确定建筑立面的风驱雨强度是量化风驱雨对建筑危害的前提条件。目前确定建筑立面风驱雨强度的方法主要有现场实测、CFD数值模拟和半经验模型^［3］，三种方法各有优缺点。现场实测是确定建筑立面风驱雨强度及分布规律最直接、最可靠的方法，其结果可信度高。但目前常用的现场实测方法存在前期投入成本高、实验周期长等缺点^［8］。另外，建筑立面的风驱雨强度受地理环境、周围障碍物和建筑立面几何形状等因素影响，导致现场实测的结果仅能扩展到类似气候下的类似建筑立面，实验结果难以推广^［9］。

CFD数值模拟理论上可以对任意环境下任意类型的建筑立面风驱雨强度及分布规律进行分析^［10］。“欧拉-拉格朗日模型”^［11-12］和“欧拉多相流模型”^［13］是目前最常用的两种数值模拟方法。“欧拉-拉格朗日模型”侧重于求解每粒雨滴的运动方程，计算速度慢^{［11， 12］}。“欧拉多相流模型”将雨滴看作连续相，风驱雨看作多相流，极大地缩短了计算时间^［13］。但在CFD数值模拟过程中，计算网格的分辨率、雨滴大小的分布设置以及输入气象参数的时间分辨率等都会导致模拟结果与实际值产生较大差距^［3］，因此CFD数值模拟的结果需要实测数据进行验证。

相较于现场实测和CFD数值模拟，半经验模型可以快速计算建筑立面的风驱雨强度，更适用于工程实践。半经验模型是结合实验数据总结出来的经验公式，可以利用风速、风向、水平降雨强度、建筑物周围环境和建筑物本身几何特征等参数，快速对建筑立面风驱雨强度进行计算。目前常用的半经验模型有ISO模型^［14］和ASHRAE模型^［15］。现有研究表明，ISO模型的计算值是实测值的0.5~0.8倍，ASHRAE模型的计算值是实测值的1.3~2.4倍^［16］。因此无论哪种半经验模型，其准确性都有待提升。半经验模型涉及参数多，如ISO模型除气象参数外，还涉及场地粗糙度系数、地形系数、阻碍因子和墙因子等参数^［14］，各参数的取值对计算结果有明显影响。因此，确定更加简单、准确的建筑立面风驱雨强度计算方法至关重要。

建筑立面风驱雨关系是半经验模型发展的基础，可以对风驱雨强度进行快速计算。该关系将建筑立面风驱雨强度表示为建筑立面风驱雨系数、风速、水平降雨强度以及风向和建筑立面法线夹角余弦值的乘积^［3］。该方法计算简单，但目前建筑立面风驱雨系数并未有明确取值。Blocken等^［3］对9项实测结果进行总结发现建筑立面风驱雨系数的取值在0.02~0.26的范围内，该区间范围较大，导致使用者难以正确使用建筑立面风驱雨关系计算建筑立面风驱雨强度。

为确定具有代表性的建筑立面风驱雨系数，本研究在重庆、广州和上海三个城市进行了长期的风驱雨现场实测，使用实测数据对建筑立面风驱雨关系进行拟合，确定了建筑立面风驱雨系数，并分析了长期测试过程中建筑立面风驱雨分布规律和误差来源。

1 方法

1.1 现场实测

1.1.1 实测场地和被测对象

重庆、广州和上海夏季降雨量大，且暴雨概率大，建筑围护结构容易受到风驱雨侵蚀。因此本研究选择在这三个城市进行建筑立面风驱雨现场实测，其中重庆和广州各一个测点，上海两个测点。为避免现场实测环境对建筑立面风驱雨造成扰动，被测对象周围应无明显障碍物^［17］。因此，本研究选择了楼顶或开阔场地进行测试。被测立面均朝向盛行风向，以收集尽可能多的风驱雨^［17］。除重庆设置西立面和北立面两个被测立面外，其他测点均只测试一个立面的风驱雨。测试场地及被测对象的详细信息如表1所示。

1.1.2 实验设备

建筑立面风驱雨现场实测需要同时对建筑立面风驱雨强度、水平降雨强度、风速及风向进行监测。各测试地点所使用的雨量计和风速风向仪参数如表2所示。为避免被测建筑本身对风场造成扰动，风速风向仪均布置在被测立面的盛行风向侧。所有测点的设备以每分钟一次的频率同时记录数据。

建筑立面风驱雨通过自制风驱雨收集装置结合雨量计进行测试。所有测点使用相同的风驱雨收集装置，收集装置材质为疏水性好的亚克力板，其三视图和实物图分别如图1（a）、（b）所示。风驱雨收集装置的安装如图1（c）所示，将收集装置固定在建筑立面，收集到的风驱雨通过水管引入雨量计进行读数。为确保仅收集装置收集的雨水进入雨量计，使用硅胶盖对雨量计承雨口进行密封处理。

风驱雨收集装置应尽可能均匀地布置在被测建筑立面，以了解风驱雨的分布情况。四个测点风驱雨收集装置的布置点位如图2所示。其中，重庆两个被测立面的风驱雨收集装置布置情况完全一致；重庆、广州和上海测点1均布置9个风驱雨收集装置；上海测点2布置7个风驱雨收集装置。

1.2 数据处理

1.2.1 风驱雨抓取率

风驱雨抓取率是反映建筑立面风驱雨分布规律的重要指标。风驱雨抓取率即建筑立面的风驱雨强度与水平降雨强度的比值，可用公式（1）表示：

\eta =\frac{R_{\mathrm{W}\mathrm{D}\mathrm{R}}}{R_{\mathrm{h}}}\times \mathrm{100}\mathrm{\%}（1）

其中：η为风驱雨抓取率，%；R_WDR为建筑立面的风驱雨强度，mm/h；R_h为水平降雨强度，mm/h。

1.2.2 建筑立面风驱雨关系

Hoppestad等^［18］提出的风驱雨关系是建筑立面风驱雨强度计算的基础。风驱雨关系即穿过假想垂直立面的风驱雨强度和水平降雨强度、风速的关系，可用公式（2）表示：

R_{\mathrm{W}\mathrm{R}\mathrm{D}}=\kappa \bullet U\bullet R_{\mathrm{h}}（2）

式中：κ为穿过假想立面的风驱雨系数，s/m。公式（2）计算的是未受干扰环境下穿过假想垂直立面的风驱雨强度。考虑到地形和障碍物对风场造成的局部现象，以及建筑立面法线和风向的夹角，建筑立面的风驱雨强度可以用公式（3）表示：

R_{\mathrm{W}\mathrm{D}\mathrm{R}}=\alpha \bullet U\bullet R_{\mathrm{h}}\bullet \mathrm{c}\mathrm{o}\mathrm{s}\theta（3）

式中：α为建筑立面的风驱雨系数，s/m；θ为风向与建筑立面法线的夹角，°。本研究的主要目标是确定α的取值。

1.2.3 气象参数逐时化

使用公式（3）对建筑立面风驱雨强度进行计算时，需要对高频率测量的气象参数进行逐时化处理。雨量计记录的数据为小时累计降雨强度，无需进行处理。由于风的方向性和瞬时性，使用不同的方法对风速风向进行逐时化处理会得到不同的结果。先前的研究证明了使用基于概率统计的方法处理风速风向值，更利于建筑立面风驱雨的计算^［19］。

基于概率统计的方法将高频率测量的风速风向值进行逐时化处理的具体步骤如下：

a）按GB/T 35227^［20］的规定将0~360°的风向均分为16个区间，以每个区间的中心值作为风向处理后的值，如图3所示；

b）计算每小时内各实测风向频率；

c）取实测最高频率风向的中心值作为该小时的风向平均值；

d）取最高频率风向对应风速的算术平均值作为该小时的平均风速。

1.2.4 建筑立面风驱雨系数的确定

为确定具有代表性的建筑立面风驱雨系数值，本研究基于公式（3），以计算风驱雨强度和实测风驱雨强度的误差平方和最小为目标，对每个立面的所有逐时数据进行了拟合，进而确定建筑立面风驱雨系数的取值。计算过程中，将风向和被测立面法线夹角余弦值小于等于0和无风驱雨的数据进行了删除，具体流程如图4所示。

2 结果与讨论

2.1 降雨情况分析

自2024年4月1日起，各测试地点陆续开始建筑立面风驱雨测量工作，一直持续到2024年11月24日，测试地点降雨集中在夏季，所选测试时段涵盖了各地的主要降雨季节。虽然测试期间未涵盖12月和1~3月的数据，但被测立面确定的情况下，建筑立面的风驱雨量仅和风速、风向以及水平降雨量有关，和季节无明显关系，所以本次测试数据具有代表性。各测点的测试结果如表3所示。所有测点共整理出1 510 h的降雨数据用于风驱雨系数的拟合，总降雨量达2 978.3 mm，水平降雨强度范围为0.1~47.0 mm/h，风速范围为0.1~4.8 m/s。表3中展示的降雨情况能够较好地反映各测试地点在观测期内所经历的大部分典型降雨事件，涵盖了不同降雨强度、不同风速条件下的降雨样本，具有较强的地区代表性。

2.2 风驱雨抓取率

将各测点测试期间的总风驱雨量除以总水平降雨量，可以得出各测点建筑立面风驱雨抓取率分布情况的长期特性，结果如图5所示。整体来看，广州和上海测点的风驱雨抓取率高于重庆，这主要是因为降雨期间，重庆的平均风速较低。重庆测点处盛行西北偏西风，所以西立面的风驱雨抓取率明显高于北立面，说明风驱雨现场实测前确定盛行风向对应的建筑立面是必要的。广州测点的抓取率较高，反映出该地区风雨联合作用显著，导致更多的风驱雨落在建筑立面。上海两个测点的抓取率存在差距，主要是因为上海测点1在开阔的地面，而测点2在6层楼楼顶，局部微气候和建筑周边环境会影响建筑立面的风驱雨分布。

目前风驱雨现场实测^{［16， 19， 21］}或数值模拟^［22-23］的相关研究普遍认为建筑立面风驱雨抓取率呈现“由下往上、由中间往两侧增加”的规律，此次测试中大部分点位也满足该规律。然而，实测数据中常出现与该规律不吻合的现象。例如，Chen^［16］、Lu^［19］和Kubilay等^［21］的实测结果均出现了建筑立面下方位置抓取率高于上方或者中间位置抓取率高于两侧的情况。此外，目前风驱雨实测分析多集中在对单次降雨事件进行分析，未能反应长期降雨累积效应下风驱雨抓取率的分布特征。通过对图5中各建筑立面的风驱雨抓取率进行分析，发现在长期降雨观测数据中，上述偏离规律的现象会一直存在。如广州的点位1处于立面的左上角，但其抓取率小于处于中间的点位2，也小于其正下方的点位4。

为量化评估风驱雨抓取率的离散程度，表4列出了各测点所有监测位置数据的标准差。上海测点2的抓取率标准差最高（4.6%），表明该立面在不同空间点位上的风驱雨抓取率差异最大。重庆北立面风驱雨抓取率的标准差最低（1.5%），反映出其抓取率分布相对最为均匀。这种差异可能与各测点所处的局部微气候、风速、风向以及建筑立面本身的几何特征密切相关。

2.3 建筑立面风驱雨系数

使用图4确定建筑立面风驱雨系数的流程对公式（3）进行拟合，得到各点位的建筑立面风驱雨系数如图6所示。建筑立面风驱雨系数的最大值为0.22，出现在广州的点位3；最小值为0.07，出现在重庆西立面的点位9。建筑立面风驱雨系数的分布情况呈现出类似于风驱雨抓取率的规律：整体呈现由下往上、由中间往两侧增加的趋势，但并非所有点位都严格满足该规律。

风驱雨系数的空间分布呈现出类似的风驱雨抓取率的变异规律。由表5各测点风驱雨系数的标准差可知，上海测点2的标准差最大（0.05），证明了该测点风驱雨荷载的空间不均匀性最强。上海两个测点的风驱雨抓取率标准差相差较大，表明即使是在同一城市，不同的环境微气候也会对建筑立面风驱雨的测试结果产生较大影响。

由于风驱雨实测结果存在不确定性，即使给出每个测试点位的建筑立面风驱雨系数，仍难以全面反映建筑立面风驱雨分布规律。为削弱局部异常值对整体结果的影响，本研究首先对每个被测立面上所有点位的建筑立面风驱雨系数值进行算术平均，以表征该立面的整体水平；然后，对所有被测立面风驱雨系数的平均值进行进一步平均，得到一个能够用于大部分降雨工况下的综合风驱雨系数。本研究所有测点传感器安装规范和采样频率完全一致，测试方法完全相同，另外在数据预处理阶段，剔除了由仪器故障导致的明显异常值，故本研究对所有数据赋予同等权重，采用算数平均的处理方法具有可靠性。最终计算结果表明，该值取为0.14。

同时，为了证明该系数能有效地反映整个建筑立面的情况，本研究取各个立面风驱雨系数的中位数来表示其中等水平，5个中位数分别为0.10，0.13，0.17，0.10和0.18。这5个中位数自身的集中趋势（其中位数为0.13，均值为0.14）趋近于使用全体数据算术平均所得的结果（0.14），再次证实风驱雨系数取值0.14的合理性。

确定了建筑立面风驱雨系数取值后，可以使用公式（3）快速计算建筑立面的风驱雨强度，从而为研究围护结构热湿传递提供更加完善的边界条件，为围护结构性能优化与建筑设计提供有效支撑。但不可否认的是，建筑立面风驱雨系数简化了影响建筑立面风驱雨分布的复杂因素（如建筑立面几何形状、地表粗糙度等），因此难以反映风驱雨在建筑立面分布的精细规律。

2.4 风驱雨测量误差

本研究使用自制风驱雨收集装置连接雨量计对建筑立面风驱雨进行测试，该方法是目前风驱雨现场实测研究中最常见的方法^{［16， 21］}。然而，该方法存在诸多误差来源，导致风驱雨实测结果在建筑立面的分布规律并不理想（如3.1节所示）。风驱雨现场实测误差来源主要包括以下6个方面^{［16， 21， 24］}：（1）风驱雨收集装置收集区域表面残留雨水蒸发；（2）塑料水管内壁残留雨水蒸发；（3）水蒸气在风驱雨收集装置收集区域冷凝；（4）雨滴飞溅；（5）风误差（风在风驱雨收集装置附近受到扰动造成的误差）；（6）若使用翻斗型雨量计，翻斗内部存在水分残留。其中，（1）、（2）、（4）和（6）均会使风驱雨测试数据小于实际值；（3）会使风驱雨测试数据大于实际值；（5）风误差对测试数据造成的影响充满不确定性。

风驱雨实测过程中应尽可能考虑上述误差对测试结果造成的影响。例如，误差（1）和（2）均可以在实验室进行喷水试验进行量化^［25-26］。降雨过程中，风驱雨收集区域温度与环境温度接近，不易发生冷凝，所以误差（3）通常可以忽略^［27］。但降雨停止后的短时间内，空气湿度往往仍接近饱和，而收集装置表面因残留雨水蒸发和辐射冷却导致温度降低。若表面温度低于空气露点温度，则可能发生冷凝。因此，应结合水平降雨强度判断降雨的结束时间，进而停止风驱雨的测量，以避免因冷凝导致测试结果偏大。误差（4）和（5）均由风驱雨收集装置尺寸引起且二者存在矛盾。若风驱雨收集装置的厚度较大，则有利于降低雨滴飞溅的可能，但会增大对风场的扰动。目前风驱雨收集装置的厚度一般在3 cm左右^{［16， 21］}，在降低雨滴飞溅和扰动风场之间取得了平衡。误差（6）的大小主要取决于翻斗型雨量计的分辨率，翻斗内残留的雨水量一定小于其分辨率。因此，使用分辨率高的雨量计有利于降低该误差。

总地来说，目前建筑立面风驱雨的测试方法存在诸多误差，加上风驱雨现场实测实验在户外进行，因此风驱雨的测试结果并不理想。改善风驱雨测试方法，尽可能减小测试过程中的误差，是未来风驱雨研究中重要的方向。

3 结论

本研究在重庆、广州和上海三个城市对建筑立面风驱雨进行了长期测试，在实验数据的基础上确定了建筑立面风驱雨系数的取值，并分析了长期测试过程中风驱雨抓取率的分布情况及测试误差，主要得出以下结论：

（1）确定了建筑立面风驱雨系数的取值为0.14。该值为所有测试地点、所有测试立面的综合取值，适用于大部分降雨工况下的建筑立面风驱雨强度的计算，有利于为围护结构热湿传递计算提供风驱雨边界条件。

（2）实测结果表明，建筑立面风驱雨的分布并非完全符合“由下往上、由中间往两侧增加”的规律。该不规则分布现象在单次降雨中出现，在风驱雨长期测试过程中亦持续存在。

（3）目前常用的风驱雨现场实测方法存在诸多误差来源，尽可能地降低风驱雨测试误差，优化风驱雨现场实测方法，对于准确测试建筑立面风驱雨强度至关重要。

本研究确定的建筑立面风驱雨系数对于快速计算建筑立面风驱雨强度具有重要作用。但本研究中的实测数据仅来源于三个城市开阔场地的低层建筑立面，对于一些迎风侧存在明显障碍物或不规则的建筑立面来说，该值的适用性有待进一步检验。未来的研究中，需改进现有的风驱雨现场实测方法，对更多地区、更多类型的建筑立面进行测试，以获取更加准确的建筑立面风驱雨系数，从而提高围护结构热湿传递过程中风驱雨边界条件的准确性。

参考文献

[1] BLOCKEN B， DEROME D， CARMELIET J. Rainwater runoff from building facades： A review ［J］. Building and Environment， 2013， 60： 339-361.

[2] BLOCKEN B， CARMELIET J. Overview of three state-of-the-art wind-driven rain assessment models and comparison based on model theory ［J］. Building and Environment， 2010， 45（3）： 691-703.

[3] BLOCKEN B， CARMELIET J. A review of wind-driven rain research in building science ［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2004， 92（13）： 1079-130.

[4] BRIGGEN P M， BLOCKEN B， SCHELLEN H L. Wind-driven rain on the facade of a monumental tower： Numerical simulation， full-scale validation and sensitivity analysis ［J］. Building and Environment， 2009， 44（8）： 1675-90.

[5] ABUKU M， JANSSEN H， ROELS S. Impact of wind-driven rain on historic brick wall buildings in a moderately cold and humid climate： Numerical analyses of mould growth risk， indoor climate and energy consumption ［J］. Energy and Buildings， 2009， 41（1）： 101-10.

[6] ETYEMEZIAN V， DAVIDSON C I， ZUFALL M， et al. Impingement of rain drops on a tall building ［J］. Atmospheric Environment， 2000， 34： 2399-412.

[7] MEKLIN T， HUSMAN T， VEPSALAINEN A， et al. Moisture damage in schools -symptoms and indoor air microbes ［J］. Indoor Air， 2002， 12： 175–83.

[8] GE H， NATH U K D， CHIU V. Field measurements of wind-driven rain on mid-and high-rise buildings in three Canadian regions ［J］. Building and Environment， 2017， 116： 228-45.

[9] GHOLAMALIPOUR P. Impact of wind-driven rain （WDR） on buildings ［D］. Canada： Concordia University， 2022.

[10] GHOLAMALIPOUR P， GE H， STATHOPOULOS T. Wind-driven rain （WDR） loading on building facades： A state-of-the-art review ［J］. Building and Environment， 2022， 221： 109314.

[11] CHOI E C C. Determination of wind-driven-rain intensity on building faces ［J］. Journal of Wind Engineering and Industrial Aerodynamics， 1994， 51（1）： 55-69.

[12] CHOI E C C. Simulation of wind-driven rain around a building ［J］. Journal of Wind Engineering and Industrial Aerodynamics， 1993， 46&47： 721-9.

[13] H.HUANG S， S.LI Q. Numerical simulations of wind-driven rain on building envelopes based on Eulerian multiphase model ［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2010， 98（12）： 843-57.

[14] ISO 15927-3. Hygrothermal performance of buildings – calculation and presentation of climatic data – Part 3： calculation of a driving rain index for vertical surfaces from hourly wind and rain data ［S］. Geneva， Switzerland： International Organization for Standardization， 2009.

[15] ASHRAE Standard 160-2016. ASHRAE Standard 160-criteria for Moisture Control Design Analysis in Buildings ［S］. Atlanta， USA： AHSRAE， 2016.

[16] CHEN C， ZHANG H， FENG C， et al. Analysis of wind-driven rain characteristics acting on building surfaces in Shanghai based on long-term measurements ［J］. Journal of Building Engineering， 2022， 45： 103572.

[17] BLOCKEN B， CARMELIET J. High-resolution wind-driven rain measurements on a low-rise building—experimental data for model development and model validation ［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2005， 93（12）： 905-28.

[18] HOPPESTAD S. Slagregn i Norge （in Norwegian） ［R］. Oslo： Norwegian Building Research Institute， 1955.

[19] LU B， FANG J， LI Y， et al. Accuracy of semi-empirical models for wind-driven rain using different data processing methods for wind velocity and direction ［J］. Building and Environment， 2023， 237： 110300.

[20] 中华气象局. 地面气象观测规范 风速和风向： GB/T 35227-2017 ［S］. 北京： 中国标准出版社，2017.

[21] China Meteorological Administration. Specifications for surface meteorological observation—wind direction and wind speed： GB/T 35227-2017 ［S］. Beijing： China Standards Press， 2017

[22] KUBILAY A， DEROME D， BLOCKEN B， et al. High-resolution field measurements of wind-driven rain on an array of low-rise cubic buildings ［J］. Building and Environment， 2014， 78： 1-13.

[23] WANG H， SONG W， CHEN Y. Numerical simulation of wind-driven rain distribution on building facades under combination layout ［J］. Journal of Wind Engineering and Industrial Aerodynamics， 2019， 188： 375-83.

[24] KUBILAY A， DEROME D， BLOCKEN B， et al. CFD simulation and validation of wind-driven rain on a building facade with an Eulerian multiphase model ［J］. Building and Environment， 2013， 61： 69-81.

[25] BLOCKEN B， CARMELIET J. On the accuracy of wind-driven rain measurements on buildings ［J］. Building and Environment， 2006， 41（12）： 1798-810.

[26] 陈超. 建筑风驱雨的分布规律及对外墙传热量的影响研究 ［D］. 上海： 上海交通大学， 2021.

[27] CHEN Chao. Study on the distribution law of wind-driven rain on buildings and the influence of heat transfer on external walls ［D］. Shanghai： Shanghai Jiao Tong University， 2021

[28] 路标. 基于机器学习的建筑立面风驱雨量预测研究 ［D］. 重庆： 重庆大学， 2024.

[29] LU Biao. Predicting wind-driven rain amount on building facades based on machine learning ［D］. Chongqing： Chongqing University， 2024

[30] GE H， CHIU V， STATHOPOULOS T. Effect of overhang on wind-driven rain wetting of facades on a mid-rise building： Field measurements ［J］. Building and Environment， 2017， 118： 234-50.

基金资助

国家自然科学基金面上项目(52178065)