基于机器学习的城市建筑群震害实时模拟方法技术

本发明专利技术提出基于机器学习的城市建筑群震害实时模拟方法。所述方法利用简化模型自动化建模和计算效率高的优势，快速建立城市建筑群每个单体建筑对应的简化模型，并进行地震动作用下的时程分析以生成代理模型所需的数据集，再基于机器学习算法建立简化模型的代理模型，直接构建地震动到结构响应或破坏状态的映射关系，即可利用代理模型超高的计算效率实现城市建筑群震害的实时模拟。除此之外，将地震动记录转化为地震动参数作为代理模型输入，消除了现有代理模型仅适用于特定类型地震动记录的限制；简化模型皆为集中质量层模型，可消除建筑结构类型的区别，从而解决了现有代理模型仅适用于特定类型建筑的问题。仅适用于特定类型建筑的问题。仅适用于特定类型建筑的问题。

【技术实现步骤摘要】
基于机器学习的城市建筑群震害实时模拟方法


[0001]本专利技术涉及城市建筑群的地震响应极值和震后破坏状态的计算方法
，特别是涉及基于机器学习的城市建筑群震害实时模拟方法。

技术介绍

[0002]震后调查发现，地震造成的人员伤亡和经济损失主要源于建筑物的损伤或倒塌，城市区域内建筑物密度较大，富集了巨量的人口、经济和教育资源，面临的地震风险较高，因此有必要开发一种高精度的城市建筑群震害实时模拟方法，进一步通过震前预测和震后评估做好震前预防和震后救援工作，从而降低地震引起的人员伤亡和经济损失。
[0003]实现城市建筑群震害实时模拟的关键在于结构地震响应的快速计算，目前通常使用基于物理的时程分析法和基于数据驱动的AI代理模型计算结构地震响应。时程分析法可分为精细有限元模型和简化有限元模型两种情况；目前学术界和工业界普遍认为精细有限元模型为高保真模型，但其有以下缺点：(1)计算效率低，时程分析过程中需求解每个时间步的结构运动方程，涉及到系统矩阵的组装与逆运算，其用时随着地震动持时、结构规模和非线性程度的增大而增加，在个人计算机上对大型建筑的精细有限元模型进行时程分析通常需要耗费数天时间；(2)建模和计算成本较高，城市建筑群通常包含上万个单体建筑，对所有建筑精细建模工作量较大，且为了考虑地震和结构参数的不确定性，需对所有单体建筑进行多次非线性时程分析，计算量较大，即使超级计算机也难以在短时间内完成；(3)建筑设计信息可得性限制，部分建筑无详细设计信息或因年代久远导致详细设计信息缺失，导致难以对城市建筑群所有单体建筑进行高精度的精细建模。
[0004]基于简化有限元模型的时程分析法通过结构类型、建造年代、建筑尺寸和抗震设防信息等易得参数建立简化有限元模型，包括多自由度集中质量剪切层模型(剪切模型)和多自由度集中质量弯剪层模型(弯剪模型)，解决了建筑详细设计信息可得性的限制，减少了有限元模型的自由度数目，从而降低计算成本和建模工作量，大幅提高了计算效率，但其缺点在于：(1)目前通常基于经验公式确定简化模型的超强系数、极限承载力折减系数和应力捏拢系数，但该类参数的统计数据离散性较大，经验公式的拟合结果较差，导致最终的计算精度与精细有限元模型相差较大；(2)在个人计算机上使用该方法对城市建筑群进行单次震害模拟仍需数个小时，难以实现震害的实时模拟。
[0005]数据驱动的AI代理模型是一种端到端模型，直接基于机器学习算法建立地震动到结构地震响应或破坏状态的映射关系，其效率相对时程分析法而言具有明显优势，而且在特定情况下的计算精度也接近于基于精细有限元的时程分析法，但其缺点如下：(1)仅适用于特定PGA、地震动持时或采样频率的地震动记录作为外部激励时的震害预测，需要对地震动进行截断或插值等处理以调整成特定格式；(2)仅适用于生成数据集的单个建筑或特定结构类型的建筑，当应用于数据集以外的建筑时准确性较低，且难以应用于包含各种结构类型的城市建筑群；(3)当数据集规模较大时，代理模型的训练过程较为耗时，且对计算机配置的要求较高，通常难以在个人计算机上短时间内完成该过程。
[0006]现有研究成果表明，以目前的计算机算力而言，使用传统的时程分析法快速评估建筑群的抗震性能的可行性较低，即使是基于简化有限元模型进行计算也难以实现震害实时模拟，而且由于尚无简便且可靠的方法计算简化模型的超强系数、极限承载力折减系数和应力捏拢系数，因此其最终的计算精度也难以保证；而代理模型的计算效率虽能满足震害实时模拟的要求，但其泛化能力较差，难以适用于包含各种结构类型的城市建筑群的震害评估。如能改进简化模型的超强系数、极限承载力折减系数和应力捏拢系数的计算方式，提高其计算精度，利用简化模型自动化建模和计算效率高的优势，快速建立城市建筑群每个单体建筑对应的简化模型，并进行地震动作用下的时程分析以生成代理模型所需的数据集，再基于机器学习算法建立简化模型的代理模型，直接构建地震动到结构响应或破坏状态的映射关系，即可利用代理模型超高的计算效率实现城市建筑群震害的实时模拟。除此之外，将地震动记录转化为地震动参数作为代理模型输入，消除了现有代理模型仅适用于特定类型地震动记录的限制；简化模型皆为集中质量层模型，可消除建筑结构类型的区别，从而解决了现有代理模型仅适用于特定类型建筑的问题。

技术实现思路

[0007]本专利技术目的是为了解决现有建筑震害计算方法难以兼顾效率、精度、实用性和泛化能力，无法实现城市震害实时模拟的问题，提出了一种基于机器学习的城市建筑群震害实时模拟方法。
[0008]本专利技术是通过以下技术方案实现的，本专利技术提出基于机器学习的城市建筑群震害实时模拟方法，所述方法包括以下步骤：
[0009]步骤1、从现有文献搜集计算结构地震响应的算例，通过建筑基本参数确定简化模型层质量(F
m
)、层刚度和前两阶周期(T1和T2)参数，进一步确定各层的恢复力模型，从而建立与各算例中结构相对应的简化模型；
[0010]步骤2、以简化模型超强系数、极限承载力折减系数和应力捏拢系数作为待定系数，确定其取值范围，在该范围内调整其取值并更新简化模型，直至基于简化模型计算结构地震响应的误差小于限值；
[0011]步骤3、建立代理模型
‑
1，通过建筑基本参数计算待定系数的取值；搜集新的算例，基于代理模型
‑
1预测的待定系数建立简化模型，并基于新算例评估简化模型的计算精度；
[0012]步骤4、以城市A为研究对象，基于地理信息系统GIS和网络爬虫技术获取建筑基本参数，并基于建筑基本参数建立所有单体建筑对应的简化模型；
[0013]步骤5、选取一定数量地震动记录并进行多次调幅，将调幅后的地震动记录作为外部激励与步骤4中建立的简化模型以预设规则进行组合，随后进行时程分析获取结构地震响应和破坏状态；
[0014]步骤6、计算步骤5所用地震动记录的部分地震动参数，建立代理模型
‑
2，选取建筑基本参数、简化模型参数和地震动参数作为输入，通过代理模型
‑
2预测结构地震响应和破坏状态，并评估代理模型
‑
2的计算效率和精度；
[0015]步骤7、选取一条新地震动记录并调幅两次，以调幅后的地震动作为外部激励，基于代理模型
‑
2对城市建筑群震害进行实时模拟，并与基于简化模型计算的结果进行对比，评估基于代理模型
‑
2的震害模拟精度。
[0016]进一步地，在步骤1中，从已发表文献中搜集基于振动台和精细有限元模型计算现有类型结构地震响应的算例，以算例的结构类型S
t
、层数N
s
、建造年代Y
c
、层高、宽度、平面面积、抗震设防烈度、地震加速度、地震分组和场地类型作为建筑基本参数；所述恢复力模型包括骨架曲线和滞回特性，骨架曲线包括设计点、屈服点、峰值点和极限点，可基于底部剪力法和振型组合法确定设计点取值，再根据由经验公式确定的超强系数、极限承载力折本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习的城市建筑群震害实时模拟方法，其特征在于，所述方法包括以下步骤：步骤1、从现有文献搜集计算结构地震响应的算例，通过建筑基本参数确定简化模型层质量(F
m
)、层刚度和前两阶周期(T1和T2)参数，进一步确定各层的恢复力模型，从而建立与各算例中结构相对应的简化模型；步骤2、以简化模型超强系数、极限承载力折减系数和应力捏拢系数作为待定系数，确定其取值范围，在该范围内调整其取值并更新简化模型，直至基于简化模型计算结构地震响应的误差小于限值；步骤3、建立代理模型
‑
1，通过建筑基本参数计算待定系数的取值；搜集新的算例，基于代理模型
‑
1预测的待定系数建立简化模型，并基于新算例评估简化模型的计算精度；步骤4、以城市A为研究对象，基于地理信息系统GIS和网络爬虫技术获取建筑基本参数，并基于建筑基本参数建立所有单体建筑对应的简化模型；步骤5、选取一定数量地震动记录并进行多次调幅，将调幅后的地震动记录作为外部激励与步骤4中建立的简化模型以预设规则进行组合，随后进行时程分析获取结构地震响应和破坏状态；步骤6、计算步骤5所用地震动记录的部分地震动参数，建立代理模型
‑
2，选取建筑基本参数、简化模型参数和地震动参数作为输入，通过代理模型
‑
2预测结构地震响应极值和破坏状态，并评估代理模型
‑
2的计算效率和精度；步骤7、选取一条新地震动记录并调幅两次，以调幅后的地震动作为外部激励，基于代理模型
‑
2对城市建筑群震害进行实时模拟，并与基于简化模型计算的结果进行对比，评估基于代理模型
‑
2的震害模拟精度。2.根据权利要求1所述的方法，其特征在于，在步骤1中，从已发表文献中搜集基于振动台和精细有限元模型计算现有类型结构地震响应的算例，以算例的结构类型S
t
、层数N
s
、建造年代Y
c
、层高、宽度、平面面积、抗震设防烈度、地震加速度、地震分组和场地类型作为建筑基本参数；所述恢复力模型包括骨架曲线和滞回特性，骨架曲线包括设计点、屈服点、峰值点和极限点，可基于底部剪力法和振型组合法确定设计点取值，再根据由经验公式确定的超强系数、极限承载力折减系数确定屈服点、峰值点和极限点的取值；滞回特性由应力捏拢系数表征，基于HAZUS手册确定其取值。3.根据权利要求2所述的方法，其特征在于，在步骤2中，使用与各算例中相同的地震动作记录作为外部激励，对步骤1中建立的简化模型进行时程分析以获取结构地震响应极值，包括结构最大层间位移角MIDR、最大层加速度MFA、最大层间剪力MIF和最大层位移MD，并计算基于简化模型获取的地震响应极值与算例实际值的误差，然后不断在取值范围内调整待定系数的取值并更新简化模型，直至绝对误差缩小为初始误差的1/5且相对误差小于5％为止。4.根据权利要求3所述的方法，其特征在于，在步骤3中，基于XGBoost回归算法建立代理...

【专利技术属性】
技术研发人员：李爽，李长青，黄钰文，翟长海，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：