基于主成分分析和多目标遗传算法挑选地震动的方法技术

基于主成分分析和多目标遗传算法挑选地震动的方法，本发明专利技术涉及一种应用机器学习挑选地震动的方法。挑选地震动的方法：一、确定地震信息；二、应用机器学习中的主成分算法提取数据库中的地震动数据；三、将地震信息输入到地震动预测模型中，得到目标场地的条件均值谱；四、将地震信息输入到地震动持时的预测模型中；五、根据结构自振周期将条件均值谱分为三段；六、确定地震动持时误差；七、通过多目标遗传算法以步骤五和步骤六为约束条件，确定一组组合系数使误差最小，即为挑选的地震动。本发明专利技术将机器学习中主成分和多目标遗传算法引入到地震动挑选中，解决基于调幅得到的地震动的不确定性。不确定性。不确定性。

【技术实现步骤摘要】
基于主成分分析和多目标遗传算法挑选地震动的方法


[0001]本专利技术涉及一种应用机器学习挑选地震动的方法。

技术介绍

[0002]在地震工程领域为建筑结构提供合理的地震动输入一直是受到广泛关注的问题。随着城市化的发展，城市越来越大，并逐渐扩展到世界上的地震易发地区，庞大而复杂的城市基础设施增加了潜在的地震风险。因此，对建筑物进行概率地震危险性分析(PSHA)和评价是一个越来越重要的问题，也是地震工程研究中的一个关键问题。为灾前概率地震危险性分析和灾后震害评估提供合理、准确的地震动输入是前提，然而，许多因素会影响地面运动，如震源的不确定性(断层位置、类型、大小和活动性)、路径(滑移率、应力降和方向性)和场地效应(放大、滤波和非线性土壤响应)。无论这些过程的性质如何，这些影响都反映在它们所产生的地面运动记录中。无论从理论角度还是从社会安全角度来看，这些不确定效应一直是模拟或选择地震危险性概率分析的地面运动的难题。工程场地地震动的确定方法很多，概率地震危险性分析是从概率的角度定量描述地震作用的最常用方法之一。基于地面运动模型(GMM)的PSHA方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于主成分分析和多目标遗传算法挑选地震动的方法，其特征在于该挑选地震动的方法按照以下步骤实现：一、确定地震信息；二、应用机器学习中的主成分算法提取数据库中的数据，提取地震动的正交基；三、将步骤一中确定的地震信息输入到地震动预测模型中，得到目标场地的条件均值谱；四、将步骤一中确定的地震信息输入到地震动持时的预测模型中，得到目标场地的地震动持时；五、将步骤三得到的条件均值谱分为三段，即(1)特定的结构自振周期T
*
；(2)条件均值谱的0.2T
*
到2T
*
范围内；(3)条件均值谱的其他周期；δ1＝S
*
(T
*
)
‑
S(T
*
)δ2＝S
*
(T
i
)
‑
S(T
i
),δ3＝S
*
(T
j
)
‑
S(T
j
)其中S
*
(T
*
)代表着条件均值的值，S(T
*
)代表着挑选地震动的反应谱的值；所述δ1代表特定的结构自振周期的条件均值谱误差；δ2代表0.2T
*
到2T...

【专利技术属性】
技术研发人员：籍多发，翟长海，张辉，温卫平，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：