基于随机森林模型的意外爆炸对桥梁毁伤评估方法技术

本发明专利技术公开一种基于随机森林模型的意外爆炸对桥梁毁伤评估方法，该方法包括：基于有限元建模技术，对桥梁进行三维建模得到桥梁模型，以冲击波荷载为输入，对所述桥梁模型进行不同工况下的毁伤响应模拟，得到不同工况下的桥梁毁伤响应数据；对所述不同工况下的桥梁毁伤响应数据进行线性插值，构建桥梁毁伤效应数据库；将所述桥梁毁伤效应数据库中的不同工况下的桥梁毁伤响应数据分为训练数据集和测试数据集，进行随机森林模型方法的学习，获取模型参数，根据模型参数构建随机森林模型，基于随机森林模型实现意外爆炸对桥梁毁伤评估。本发明专利技术融合随机森林模型与有限元建模技术，解决大规模桥梁的有限元动态模拟过程耗时长、不能完成桥梁毁伤快速评估的难题。完成桥梁毁伤快速评估的难题。完成桥梁毁伤快速评估的难题。

【技术实现步骤摘要】
基于随机森林模型的意外爆炸对桥梁毁伤评估方法


[0001]本专利技术涉及易燃易爆品大规模意外爆炸所形成的空气冲击波造成桥梁目标毁伤效应的评估
，尤其涉及一种基于随机森林模型的意外爆炸对桥梁毁伤评估方法。

技术介绍

[0002]桥梁作为重要的地面交通设施，是陆地交通线路的“咽喉”，在运输通行中有着重要的战略意义。意外爆炸事故中，桥梁一旦被破坏，不仅会造成交通中断和巨大经济损失，还可能造成大量人员伤亡并对灾后抢救和重建工作带来巨大影响。近年来大规模意外爆炸事故频发，给桥梁的结构安全性带来严重的威胁。同时，由于意外爆炸往往爆炸源质量较大，所产生的冲击波幅值和脉宽也远大于一般常规武器爆炸。大规模意外爆炸冲击波作用下桥梁毁伤程度的快速评估和预测是工业安全、减灾防灾、市政规划领域关注的焦点之一。利用有限元模拟对意外爆炸对桥梁毁伤效应进行预测是一条可行的路径，然而，建立高效的桥梁毁伤评估方法仍然具有相当大的挑战性，主要体现在实验数据获取困难，开展实际运营中的桥梁在大规模爆炸荷载工况下的破坏实验不具有可行性。虽然在实验室内可开展桥梁缩比模型的爆炸毁伤实验，但同样存在危险程度高和成本高等问题，而且破坏性实验缩比模型带来的问题也无法有效解决。通过数值模拟可获取桥梁的毁伤效应，但对于大规模实际桥梁结构而言，其三维有限元模型往往比较复杂，且爆炸毁伤响应的预测涉及动态模拟过程，其计算量大，计算耗时长，不能达到快速预测桥梁在不同意外爆炸工况下毁伤效应的目标。综上所述，必需探寻一种新型的、快速的桥梁毁伤评估方法。随着人工智能技术的发展，机器学习方法被广泛应用于医学、土木、材料等领域，并取得了良好的效果。这些成功的应用皆归功于机器学习具备强大的非线性问题处理能力。对于大跨度桥梁结构在爆炸荷载下产生的毁伤效应而言，炸药的当量、位置与桥梁的力学响应或毁伤效应之间的关系是典型的强非线性问题。因此，将机器学习应用于桥梁爆炸毁伤效应的预测，将有望提高桥梁在易燃易爆品大规模意外爆炸作用下毁伤效应的预测效率。

技术实现思路

[0003]提供了本专利技术以解决现有技术中存在的上述问题。因此，需要一种基于随机森林模型的意外爆炸对桥梁毁伤评估方法，将机器学习应用于桥梁爆炸毁伤效应的预测，以提高桥梁在易燃易爆品大规模意外爆炸作用下毁伤效应的预测效率。本专利技术具体采用随机森林(Random Forest，简称随机森林,RF)模型与有限元模型技术相融合，建立一套快速、有效的桥梁毁伤智能评估方法。
[0004]根据本专利技术的第一方案，提供一种基于随机森林模型的意外爆炸对桥梁毁伤评估方法，所述方法包括：
[0005]基于有限元建模技术，对桥梁进行三维建模得到桥梁模型，以冲击波荷载为输入，对所述桥梁模型进行不同工况下的毁伤响应模拟，得到不同工况下的桥梁毁伤响应数据；
[0006]对所述不同工况下的桥梁毁伤响应数据进行线性插值，构建桥梁毁伤效应数据
库；
[0007]将所述桥梁毁伤效应数据库中的不同工况下的桥梁毁伤响应数据分为训练数据集和测试数据集，进行随机森林模型方法的学习，获取模型参数，根据所述模型参数构建随机森林模型，基于所述随机森林模型实现意外爆炸对桥梁毁伤评估。
[0008]进一步地，所述不同工况下的桥梁毁伤响应数据包括冲击波载荷和桥梁毁伤响应，根据所述冲击波载荷确定工况，所述桥梁毁伤响应包括桥梁不同构件梁的主梁顶板、主梁底板、主梁腹板和桥墩的破坏面积比。
[0009]进一步地，所述随机森林模型包括一个由多个决策树分类器{h(X,θ),k＝1,2,...,k}组合而成的集成分类器；其中，h(X,θ)是决策树分类器，θ是随机森林模型参数，需训练集进行训练确定，{θ}服从独立分布，X是载荷输入，其为服从独立分布的随机变量，K为决策树的总个数，k是决策树序号；在变量X下，每颗决策树首先对预测的样本独立进行判定，最后由K个决策树投票表决最终的分类结果。
[0010]进一步地，所述将所述桥梁毁伤效应数据库中的不同工况下的桥梁毁伤响应数据分为训练数据集和测试数据集，进行随机森林模型方法的学习，获取模型参数，根据所述模型参数构建随机森林模型，基于所述随机森林模型实现意外爆炸对桥梁毁伤评估，具体包括：
[0011]在所述训练数据集中，有放回地随机抽样训练样本子集，构造K个决策树；
[0012]假定共计n个特征，每个决策树的每个节点均随机抽取m
try
个特征，分别计算m
try
个特征对应的信息增益，然后开始节点分裂，确定每个决策树的判定次序思路，所述特征包括冲击波载荷；
[0013]每个决策树无限增长，且不进行剪枝；
[0014]将测试样本放入每个决策树，每个决策树独立分类和预测，随机森林最终的分类结果由所有决策树投票并表决，所述随机森林最终的分类结果为冲击波载荷所对应的桥梁毁伤响应。
[0015]进一步地，通过如下方法计算冲击波载荷：
[0016]根据易燃易爆品等效TNT质量W和距离计算比例距离Z＝R/W
1/3
(m/kg
1/3
)，其中H
G
为爆心高度，H
S
为桥面高度，R
G
为斜距离；
[0017]根据比例距离Z确定入射冲击波超压：
[0018]P
so
＝(220.85823/z+26.26331/z2‑
2.24704/z3+0.05132/z4)
×
104,(Pa)
[0019]for 0.052≤z≤0.25m/kg
1/3
[0020]P
so
＝(
‑
34.80748/z+148.50424/z2‑
17.62525/z3+0.17262/z4)
×
104,(Pa)
[0021]for 0.25<z≤1.56m/kg
1/3
[0022]P
so
＝(7.98715/z+18.54141/z2+106.43854/z3‑
39.54196/z4)
×
104,(Pa)
[0023]for 1.56<z≤19m/kg
1/3
[0024]P
so
＝(5.46053/z+7.58204/z2+2647.33563/z3‑
28454.85927/z4)
×
104,(Pa)
[0025]for 19<z≤39.67m/kg
1/3
ꢀꢀ
(1)
[0026]其中P
so
为入射冲击波超压，单位为Pa；
[0027]根据入射冲击波超压P
so
确定反射区声速C
r
，单位为m/s：
[0028]C
r
＝344+6.8
×
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机森林模型的意外爆炸对桥梁毁伤评估方法，其特征在于，所述方法包括：基于有限元建模技术，对桥梁进行三维建模得到桥梁模型，以冲击波荷载为输入，对所述桥梁模型进行不同工况下的毁伤响应模拟，得到不同工况下的桥梁毁伤响应数据；对所述不同工况下的桥梁毁伤响应数据进行线性插值，构建桥梁毁伤效应数据库；将所述桥梁毁伤效应数据库中的不同工况下的桥梁毁伤响应数据分为训练数据集和测试数据集，进行随机森林模型方法的学习，获取模型参数，根据所述模型参数构建随机森林模型，基于所述随机森林模型实现意外爆炸对桥梁毁伤评估。2.根据权利要求1所述的方法，其特征在于，所述不同工况下的桥梁毁伤响应数据包括冲击波载荷和桥梁毁伤响应，根据所述冲击波载荷确定工况，所述桥梁毁伤响应包括桥梁不同构件梁的主梁顶板、主梁底板、主梁腹板和桥墩的破坏面积比。3.根据权利要求2所述的方法，其特征在于，所述随机森林模型包括一个由多个决策树分类器{h(X,θ),k＝1,2,...,k}组合而成的集成分类器；其中，h(X,θ)是决策树分类器，θ是随机森林模型参数，需训练集进行训练确定，{θ}服从独立分布，X是载荷输入，其为服从独立分布的随机变量，K为决策树的总个数，k是决策树序号；在变量X下，每颗决策树首先对预测的样本独立进行判定，最后由K个决策树投票表决最终的分类结果。4.根据权利要求3所述的方法，其特征在于，所述将所述桥梁毁伤效应数据库中的不同工况下的桥梁毁伤响应数据分为训练数据集和测试数据集，进行随机森林模型方法的学习，获取模型参数，根据所述模型参数构建随机森林模型，基于所述随机森林模型实现意外爆炸对桥梁毁伤评估，具体包括：在所述训练数据集中，有放回地随机抽样训练样本子集，构造K个决策树；假定共计n个特征，每个决策树的每个节点均随机抽取m
try
个特征，分别计算m
try
个特征对应的信息增益，然后开始节点分裂，确定每个决策树的判定次序思路，所述特征包括冲击波载荷；每个决策树无限增长，且不进行剪枝；将测试样本放入每个决策树，每个决策树独立分类和预测，随机森林最终的分类结果由所有决策树投票并表决，所述随机森林最终的分类结果为冲击波载荷所对应的桥梁毁伤响应。5.根据权利要求2所述的方法，其特征在于，通过如下方法计算冲击波载荷：根据易燃易爆品等效TNT质量W和距离计算比例距离Z＝R/W
1/3
(m/kg
1/3
)，其中H
G
为爆心高度，H
S
为桥面高度，R
G
为斜距离；根据比例距离Z确定入射冲击波超压：P
so
＝(220.85823/z+26.26331/z2‑
2.24704/z3+0.05132/z4)
×
104,(Pa)for 0.052≤z≤0.25m/kg
1/3
P
so
＝(
‑
34.80748/z+148.50424/z2‑
17.62525/z3+0.17262/z4)
×
104,(Pa)for 0.25＜z≤1.56m/kg
1/3
P
so
＝(7.98715/z+18.54141/z2+106.43854/z3‑
39.54196/z4)
×
104,(Pa)for 1.56＜z≤19m/kg
1/3
P
so
＝(5.46053/z+7.58204/z2+2647.33563/z3‑
28454.85927/z4)
×
104,(Pa)for 19＜z≤39.67m/kg
1/3
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中P
so
为入射冲击波超压，单位为Pa；根据入射冲击波超压P
so
确定反射区声速C
r
，单位为m/s：C
r
＝344+6.8
×
10
‑4P
so
‑
3.6
×
10
‑
10
P
so2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)根据桥梁高度H
S
(m)、宽度W
S
(m)和反射区声速C
r
(m/s)计算驱散时间t
c
，其中S为桥梁半宽度W
S
/2...

【专利技术属性】
技术研发人员：张磊，孔德锋，陈力，赵强，王幸，
申请(专利权)人：中国人民解放军军事科学院国防工程研究院工程防护研究所，
类型：发明
国别省市：