结构地震需求QRNN重要性分析

摘要：

为研究型钢混凝土框架结构地震需求在其分布范围内变化时,随机参数对其影响情况,将神经网络分位数回归应用于重要性分析中.考虑了8个随机参数的影响,并根据它们各自的概率密度函数进行抽样,利用有限元软件OpenSEES在多条地震动记录作用下进行动力非线性时程分析,得到了4种地震需求,然后分析得到神经网络分位数回归重要性测度指标,并将结果与Monte-Carlo数值模拟法进行了对比.结果表明:在不同条件分位数下,各个输入随机参数对应的重要性测度指标呈现不同的变化趋势;神经网络分位数回归方法在样本数远远少于Monte-Carlo数值模拟法的情况下,得到的输入随机参数的重要性测度指标基本一致,因此,神经网络分位数回归重要性分析方法是高效准确的,对大型复杂结构来说可以提高计算效率.

关键词：地震需求、神经网络分位数回归、Monte-Carlo法、机器学习、结构可靠度、重要性分析

所属期刊栏目：28

分类号：TU375(建筑结构)

资助基金：国家自然科学基金51178395

在线出版日期：2020-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：953-965