基于机器学习的巨-子结构隔震体系地震损伤等级预测研究

摘要：

建立了巨-子结构隔震体系的三维有限元模型,基于地震动峰值加速度对20条实际地震动记录进行调幅,在此基础上对考虑不同锈蚀状态下的巨-子结构隔震体系进行增量动力时程分析,得到了 240组地震响应样本,探讨了钢材锈蚀对巨-子结构隔震体系抗震性能的影响.利用机器学习的方法将结构信息、地震动信息与结构的损伤等级相关联,给出了 6种机器学习算法对巨-子结构隔震体系损伤等级的预测结果:极端梯度提升树、梯度提升树、随机森林、决策树的总体预测准确率均达到80％以上,其中极端梯度提升树算法表现最佳,准确率为86.6％且对不同损伤状态的预测精度也较高,支持向量机算法的总体预测准确率最低为60.3％.

关键词：巨-子结构隔震体系、机器学习、损伤等级、锈蚀、抗震性能、增量动力分析(IDA)

所属期刊栏目：42

分类号：TU352.1(建筑结构)

资助基金：国家重点研发计划;国家重点研发计划;中国地震局地球物理研究所基本科研业务费专项

在线出版日期：2023-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：40-47,68