基于卷积神经网络的框架剪力墙结构层间位移角预测

摘要：

采用机器学习等智能算法预测结构时程响应时,通常将地震动的某项静态指标作为输入来考虑.这种处理方法丢失了地震动记录本身的时程特性.本文提出将地震动记录处理成二维张量来处理其时程信息,以一栋框架剪力墙结构为对象,通过数据集构造、网络模型搭建和参数优化,训练卷积神经网络(CNN)来预测结构的最大层间位移角.此外,还采用人工神经网络(ANN)以及长短时记忆神经网络(LSTM)进行对比分析,研究结果表明:CNN与LSTM能够有效地预测弹性状态下的结构层间位移角,且CNN的预测精度最高,训练耗时最少.

关键词：CNN、框架剪力墙、层间位移角、ANN、LSTM

所属期刊栏目：40

分类号：TU398+.2(建筑结构)

资助基金：国家自然科学基金51978306

在线出版日期：2023-04-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：92-97