一种基于知识增强深度学习模型的主余震序列地震响应预测方法技术

一种基于知识增强深度学习模型的主余震序列地震响应预测方法，它属于建筑结构地震响应预测技术领域。本发明专利技术解决了现有深度学习模型训练数据稀缺、捕捉长序列全局相关性的能力差以及无法处理具有不同长度和采样频率的输入地震动的问题。本发明专利技术具体为：步骤1、建立目标结构有限元模型，选取并调整主余震地震动记录；步骤2、基于有限元模型和地震动记录构建训练数据集；步骤3、搭建包括一致性输入编码模块、编码器、解码器和线性层的知识增强深度学习模型，设计知识增强损失函数，利用训练数据集对模型进行训练；步骤4、将实际主余震地震动序列输入已训练模型，得到结构位移响应和结构恢复力预测结果。本发明专利技术方法可以应用于地震响应预测。

【技术实现步骤摘要】

本专利技术属于建筑结构地震响应预测，具体涉及一种基于知识增强深度学习模型的主余震序列地震响应预测方法。

技术介绍

1、近年来地震事件频发，地震具有极强的破坏力，对建筑结构及基础设施造成了显著威胁。同时震后结构损伤还会诱发火灾、气体泄漏等次生灾害，进一步加剧人员伤亡和经济损失。结构地震响应预测可为震后结构损伤评估提供科学依据，从而有效帮助建筑物安全性确定、救援资源分配、人员疏散组织等应急响应方案的制定。此外，地震响应快速预测可高效识别高风险区域，快速评估潜在安全隐患，对灾后风险划定及恢复重建计划制定至关重要。因此，在地震事件中快速、准确地预测结构地震响应，成为减灾救援中的关键环节。

2、在大量地震事件中，主震的发生通常会诱发多次余震。主余震序列对建筑结构的危害主要体现在结构的累积损伤效应，主震与余震发生时间间隔较短，主震损伤结构在未修复的情况下遭受余震作用，加剧了结构非线性行为并提升结构潜在的倒塌风险。此外，余震的发生具有不确定性，显著增加灾后救援中的安全隐患，并对灾区风险划分具有不利影响。因此在当前抗震减灾中，对主余震序列作用下结构响应预测的需本文档来自技高网...

【技术保护点】

1.一种基于知识增强深度学习模型的主余震序列地震响应预测方法，其特征在于，所述方法具体包括以下步骤：

2.根据权利要求1所述的一种基于知识增强深度学习模型的主余震序列地震响应预测方法，其特征在于，所述步骤1中的主余震地震动记录是从PEER数据库中选取的，选取规则为：

3.根据权利要求2所述的一种基于知识增强深度学习模型的主余震序列地震响应预测方法，其特征在于，所述一致性输入编码模块内包括卷积层、位置编码层、第一时间编码层至第P时间编码层；且一致性输入编码模块的工作过程为：

4.根据权利要求3所述的一种基于知识增强深度学习模型的主余震序列地震响应预测方法...

【技术特征摘要】

1.一种基于知识增强深度学习模型的主余震序列地震响应预测方法，其特征在于，所述方法具体包括以下步骤：

2.根据权利要求1所述的一种基于知识增强深度学习模型的主余震序列地震响应预测方法，其特征在于，所述步骤1中的主余震地震动记录是从peer数据库中选取的，选取规则为：

3.根据权利要求2所述的一种基于知识增强深度学习模型的主余震序列地震响应预测方法，其特征在于，所述一致性输入编码模块内包括卷积层、位置编码层、第一时间编码层至第p时间编码层；且一致性输入编码模块的工作过程为：

4.根据权利要求3所述的一种基于知识增强深度学习模型的主余震序列地震响应预测方法，其特征在于，所述步骤四的具体过程为：

5.根据权利要求4所述的一种基于知识增强深度学习模型的主余震序列地震响应预测方法，其特征在于，所述编码器内包括第一编码单元、第二编码单元、...

【专利技术属性】
技术研发人员：包旭，翟长海，温卫平，
申请(专利权)人：沈阳建筑大学，
类型：发明
国别省市：